[发明专利]用于人识别的拟吉布斯结构采样的深层置换的方法和装置

权利要求书

1.用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，所述方法包括：

获得一个以上的输入图像，其中所述输入图像包括有兴趣点的图库组和包括人物检测图像的探查组；

采用深层神经网络从所述输入图像中提取N个特征映射，N为自然数；

采用条件随机场图形模型构建所述N个特征映射的N个结构样本；

从嵌入在所述N个结构样本中的共有潜在特征空间中学习所述N个结构样本；

从包含与所述图库组中的图像相同的兴趣点的所述探查组中识别一个以上的所述图像；

所述N个特征映射的所述N个结构样本还包括：

对于特征映射，基于在特征空间中的特征相似度，其中，所述特征空间对应于所述特征映射，由K最近邻法构建初始图形模型，所述图形模型包括节点和边缘，一个所述节点表示一个人；

通过采用具有拟吉布斯结构采样处理的N个所述特征空间中的所述K最近邻法计算的多次迭代来执行结构排列；

将标签分配给所述节点，其中所述节点在所有标签上使所述条件随机场的能量函数最小化，其中所有所述标签表示所述图库组中所有不同的所述兴趣点，并且

从一个以上的迭代和已分配的所述标签中提取所述N个结构样本。

2.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，

一个以上的所述迭代首先包括初代a与后代b，其中a和b是自然数；

放弃所述初代a的结果，并且

从所述后代b中提取所述N个结构样本。

3.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，

在所述图形模型中的一个所述节点具有m个可能性状态，m表示所述图库组中不同的所述兴趣点。

4.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，

在多次所述迭代结束后，根据所述图形模型将所述标签分配给所述节点。

5.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，

通过所述N个结构样本学习表示重新识别结构的所述条件随机场图形模型；和

执行基于能量最小值的稀疏算法，将图形切割成一个以上的簇，每个簇包括对应于所述兴趣点之一的所述图像。

6.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，

所述深层神经网络中使用了N个不同的内核，用于对所述图库组和所述探查组中的所述图像进行卷积；和

在所述深层神经网络中，采用最后一对卷积层生成所述N个特征映射。

7.根据权利要求1所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，迭代i中深层特征空间中的后验条件P的所述拟吉布斯结构采样处理为：

其中，j是所述N个结构样本的索引，表示由所述K最近邻法构成的所述图形模型，V和E分别表示所有的节点和边缘，θ为所述条件随机场图形模型中的参数，Y表示所有兴趣点备选者的联合标签。

8.根据权利要求5所述用于人识别的拟吉布斯结构采样的深层置换的方法，其特征在于，具有对势的所述条件随机场图形模型可以表示为：

其中，i,j是所述条件随机场图形模型中所有边缘的乘积，是节点势，是边缘势，X表示从所述N个结构样本中隐含地提取的共有潜在特征，表示归一化因子，y表示单个兴趣点备选者的标签。