[发明专利]一种基于自编码的行人检索方法

说明书

技术领域

本发明涉及人工智能、机器学习、视频检索、统计学等技术领域，具体涉及一种深度学习自编码快速提取特征的方法在行人检索这一智能化监控视频分析技术中的应用。

背景技术

在智能化监控视频分析应用中，视频分辨率普遍较低，通过人脸信息不足以进行身份的辨别，因此采取通过比较人的外貌如衣服、裤子的相似程度来确定不同视角下拍摄的对旬是否为相同人。这种方法来进行人识别是基于人在短时间内不会变更自身的外貌着装的假设下进行的，跨摄像头行人检索正是基于行人的外貌着装相似程度确定行人在监控视频中出现的片段，为侦查人员提供了方面。在图像侦查的领域，跨摄像头行人检索具有重大的应用价值。

深度学习(deep learning)是机器学习研究中的一个新领域，可以简单理解为神经网络的发展。深度学习的优势地方就在于它可以通过学习来组合低层特征，将它们抽象成高层特征(属性)，这样就可以发现复杂大数据的分布式特征。Hinton等人非监督贪心逐层训练算法训练深度信念网络，在一定程度上解决了优化深层网络结构的难题，随后他们又提出多层自动编码器这种深层结构。另外Lecun等人提出了卷积神经网络这种网络能够提高BP算法的学习效率，原理就是利用网络结构的相对空间关系来减少参数。除此之外，深度学习还衍生出其它的变形结构，例如去噪自动编码器、DCN网络、sum product等。

行人检索必须备有行人特征库，要求在监控视频存储的同时对视频进行结构化处理，即抓拍得到行人目标，并且对行人目标图像提取特征以及量化存储以供在线检索。行人抓拍不属于本发明的内容，本发明内容即在抓拍后的行人目标的基础上进行实时特征提取。目前的特征方面包括SIFT、GIST等在检索精确上受限，而基于卷积神经的深度学习方法具有高复杂度，在实际应用中做不到对高清视频的实时处理。本发明采用AutoEncoder模型实时对监控视频进行结构化处理，并应用于行人检索。

发明内容

本发明提供了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：视频录像时实时抓捕得到行人目标，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XQDA变换，计算检索对象特征和检索库中特征的距离。

优选地，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。

优选地，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W₁^A和偏移解码层的权重矩阵W₁^R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：

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

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

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：

其中为sigmoid函数；