[发明专利]基于差异正则化的成对约束成分分析度量优化方法

权利要求书

1.一种基于差异正则化的成对约束成分分析度量优化方法，其特征在于，包括：

步骤S1：用摄像头采集多张行人图片形成训练样本集，提取每张样本图片中行人目标的颜色特征，形成一个d维的特征向量x_i，最终构成一个包含N个d维特征向量的训练集，其中，N为样本图片的数目，

步骤S2：对训练集中的特征向量进行降维处理，

步骤S3：计算降维后的样本之间的欧氏距离，并基于各训练样本与测试样本之间的欧氏距离，将训练样本分为正样本和负样本，

步骤S4：通过对目标优化函数增加差异正则化项，并基于约束条件创建优化问题，

步骤S5：使用梯度下降法求解优化问题；

所述步骤S2具体为：使用线性变换矩阵L将训练集中的样本向量映射到一个低维空间；

所述步骤S4中差异正则化项的数学表达式为：

Ω(L)＝Ψ(L)-Π(L)

其中：Ω(L)为差异正则化项，Ψ(L)为所有角对的均值，Π(L)为所有角对的方差，L为线性变换矩阵；

所述角对的数学表达式为：

其中：a_i,a_j为线性变换矩阵中第i行和j行向量元素，θ(a_i,a_j)为a_i,a_j对应的角对；

所述目标优化函数具体为：

其中：为目标优化函数，l_β为广义损失函数，y_n表示样本对是否属于同一目标，若样本对属于同一目标，则y_n＝1，若样本对不属于同一目标，则y_n＝-1，D_L为样本对在投影空间内的欧式距离的平方，为目标样本，为候选匹配样本，λ为正则参数，n为样本之间约束c的索引。

2.根据权利要求1所述的一种基于差异正则化的成对约束成分分析度量优化方法，其特征在于，所述步骤S3中，将训练样本分为正样本和负样本的过程具体为：使用一个阈值t对样本之间的距离进行约束，若训练样本与测试样本属于同一行人目标，即训练样本为正样本，则两样本之间的阈值小于t，反之，若训练样本与测试样本不属于同一行人目标，即训练样本为负样本，则两样本之间的阈值大于t。

3.根据权利要求1所述的一种基于差异正则化的成对约束成分分析度量优化方法，其特征在于，所述步骤S4中，当输入的样本向量在低维空间中不是线性可分离时，通过使用核方法，将样本向量在核空间进行投影，得到一个新的矩阵来表示样本向量，将低维空间中的线性不可分问题转化为在高维空间中线性问题。

4.根据权利要求1所述的一种基于差异正则化的成对约束成分分析度量优化方法，其特征在于，所述广义损失函数的具体为：

其中：β为锐度参数。