[发明专利]一种基于特征空间拓扑分布的行人重识别方法

权利要求书

1.一种基于特征空间拓扑分布的行人重识别方法，其特征在于，所述方法包括以下步骤：

将颜色直方图特征和纹理特征作为图像特征，根据图像特征在特征空间中的理想拓扑分布，构建正样本对距离小于负样本对距离的约束条件、以及构建相同类之间的距离要小于任意两个不同类的距离的约束条件；

根据正样本对距离小于负样本对距离的约束条件获取对应的第一目标函数；根据相同类之间的距离要小于任意两个不同类的距离的约束条件获取对应的第二目标函数；

根据第一目标函数和第二目标函数获取最终的目标函数，通过迭代优化对最终的目标函数进行求解，得到最优的度量矩阵，进而计算图像之间的相似得分，根据相似得分进行排序，找到相似程度最高的图像，实现行人的重识别；

其中，所述构建正样本对距离小于负样本对距离的约束条件具体为：

其中，X_i表示要检索的样本特征，Y_i表示在其他监控视野下与X_i身份相同的样本特征，d(·，·)表示的是成对样本之间的距离，N为训练集中行人的类别个数，i和j分别为行人的身份编号；

其中，所述构建相同类之间的距离要小于任意两个不同类的距离的约束条件具体为：

其中，d(·，·)表示的是成对样本之间的距离，N为训练集中行人的类别个数，k和j分别为行人的身份编号；Y_j表示在其他监控视野下与X_i身份不同的样本特征；

所述第一目标函数具体为：

其中，g(X_i，Y_i)为身份相同的样本之间的相似度，g(X_i，Y_j)为身份不同的样本特征之间的相似度，[·]₊是指示函数，α₁为阈值；

所述第二目标函数具体为：

其中，g(X_i，Y_i)为身份相同的样本之间的相似度，g(Y_j，Y_k)为任意两个不同类样本之间的相似性得分，α₂为阈值；

所述根据第一目标函数和第二目标函数获取最终的目标函数为：

其中，R(W)＝||W_M||_2，1+||W_B||_2，1为正则化项，S_-为负半正定矩阵集合，λ为权重项，W_M和W_B是通过训练得到的度量矩阵。