[发明专利]一种行人重识别的重排序方法

权利要求书

1.一种行人重识别的重排序方法，其特征在于，包括：

(1)采集行人目标图片，从行人目标图片中获取正负样本对特征向量作为样本得到样本集合，将样本集合对半划分为训练集和测试集；

(2)对训练集中的样本进行训练得到原始度量矩阵M₁，利用原始度量矩阵M₁计算测试集中样本的相似度后对相似度进行排序，得到初始排序列表R_te；

(3)在训练集中使用交叉验证法，得到验证集的排序列表R_tr，根据验证集的排序列表R_tr利用难例挖掘将训练集中的样本分为困难、中等和简单三个级别；

(4)在正负样本对特征向量的距离约束下，对训练集中困难和中等级别的样本进行训练得到度量矩阵M₂；

(5)利用度量矩阵M₂计算初始排序列表R_te中前m个样本的相似度重新排序，得到最终的重排序列表R，m为正整数。

2.如权利要求1所述的一种行人重识别的重排序方法，其特征在于，所述步骤(1)的具体实现方式为：

利用两个摄像头采集行人目标图片，从行人目标图片中获取两个摄像头下行人目标的特征向量，分别建立集合X和集合Z，x_i为集合X中的元素，表示第i个行人目标在一个摄像头中的特征向量，0＜i≤N；z_j为集合Z中的元素，表示第j个行人目标在另一摄像头中的特征向量，0＜j≤N；i＝j，x_i和z_j为同一个行人目标在两个不同摄像头下的特征向量，(x_i，z_j)表示正样本对特征向量，共有N对；i≠j，x_i和z_j为不同行人目标在两个不同摄像头下的特征向量，(x_i，z_j)表示负样本对特征向量，将正负样本对特征向量作为样本得到样本集合，将样本集合对半划分为训练集和测试集。

3.如权利要求2所述的一种行人重识别的重排序方法，其特征在于，所述样本的相似度利用马氏距离计算得到，所述样本的相似度为：

其中，M表示训练得到的度量矩阵，表示x_i和z_j之间的马氏距离。

4.如权利要求2或3所述的一种行人重识别的重排序方法，其特征在于，所述步骤(3)包括：

(3-1)在训练集中使用交叉验证法，得到验证集的排序列表R_tr，将x_i作为probe，将z_i作为gallery中的正样本，z_j作为gallery中的负样本，对于每个probe，取其gallery中前K₁个样本作为难例样本，得到难例样本的集合，K₁为正整数；

(3-2)根据验证集的排序列表R_tr自适应地将难例样本划分为简单L_easy(x_i)，中等L_moderate(x_i)和困难L_hard(x_i)三个级别：

L_hard(x_i)＝{z_j|π(z_j)＜π(z_i)}

L_moderate(x_i)＝{z_j|π(z_i)＜π(z_j)＜K₁}

L_easy(x_i)＝{z_j|K₁＜π(z_j)}

其中，π(z_j)表示负样本z_j的排序，π(z_i)表示正样本z_i的排序。