[发明专利]一种基于自编码的行人检索方法

权利要求书

1.一种基于自编码的行人检索方法，其特征在于，包括步骤：

a)构建深度自编码网络，采用逐层贪婪的算法训练深度自编码网络；

b)去掉深度自编码图像重构部分，获取自编码特征提取模型；

c)采用自编码特征提取模型提取特征，利用行人的自编码特征和标签训练XQDA度量模型；

d)视频实时结构化处理：视频录像时实时抓拍得到行人目标，采用自编码特征提取并经XQDA变换到子空间，检索库保存图像在XQDA变换后的特征向量；

e)输入检索对象，采用自编码特征提取并经跨视角二次判别分析XQDA变换，计算检索对象特征和检索库中特征的距离。

2.根据权利要求1所述的方法，其特征在于：所述步骤a)的训练深度自编码网络包括逐层训练和整体微调。

3.根据权利要求2所述的方法，其特征在于：所述步骤a)的具体步骤为：

a1)选取行人训练样本X＝(x₁,x₂,...,x_n)∈R^d×n,即n个d维的训练集。构造第一自编码：

设编码层的权重矩阵和偏移解码层的权重矩阵和偏移以行人样本作为输入训练自编码使得输出与输入相同，其第一目标函数如公式所示：

$E_1=\underset{i=1}{\overset{n}{\Σ}}\left|\right|{\hat{x}}_i-x_i|{|}_2^2$

其中为sigmoid函数；

a2)采用误差反馈传播算法优化第一目标函数，收敛后获取隐藏层h⁽¹⁾为第一层提取的特征；

a3)构造第二自动编码器：

设编码层的权重和偏移解码层的权重和偏移将步骤a2得到的特征h⁽¹⁾作为输入，使得输出与输入尽可能相同，其第二目标函数

$E_2=\underset{i=1}{\overset{n}{\Σ}}\left|\right|{\hat{h}}_i^{\left(1\right)}-h_i^{\left(1\right)}|{|}_2^2$

其中为sigmoid函数；

a4)采用误差反馈传播算法优化第二目标函数，优化后获取隐藏层h⁽²⁾；

a5)构造第三自编码：设编码层的权重和偏移解码层的权重和偏移将步骤a4所得到的特征h⁽²⁾作为输入，使得输出与输入尽可能相同，其第三目标函数

$E_3=\underset{i=1}{\overset{n}{\Σ}}\left|\right|{\hat{h}}_i^{\left(2\right)}-h_i^{\left(2\right)}|{|}_2^2$

其中为sigmoid函数，并采用误差反馈传播算法优化第三目标函数；

a6)将步骤a1、a3和a5的三个自编码堆叠成7层结构的深度自编码，其中编码端为三个自编码的特征提取部分，解码端为三个自编码的重构部分，其地目标函数为：

$E_4=\underset{i=1}{\overset{n}{\Σ}}\left|\right|{\hat{x}}_i-x_i|{|}_2^2$

其中为sigmoid函数；

a7)用步骤a2、a4和a5训练的权重矩阵和偏移初使深度自编码的权重矩阵和偏移，并采用误差反馈传播算法优化目标函数,其中隐藏层h⁽³⁾为行人样本的特征。