[发明专利]一种基于联合时空采样的无监督视频序列行人再识别方法

权利要求书

1.一种基于联合时空采样的无监督视频序列行人再识别方法，该方法为内嵌在计算机内的程序，其特征在于，包括：

步骤1：获取训练数据集并进行联合时空采样；

步骤2：进行单摄像头下小片段轨迹特征学习；

步骤3：进行单摄像头下行人小片段轨迹排序；

步骤4：计算单摄像头下小片段轨迹的关联损失；

步骤5：进行跨摄像头下小片段轨迹特征学习；

步骤6：进行跨摄像头下行人小片段轨迹排序；

步骤7：计算跨摄像头下小片段轨迹的关联损失；

步骤8：构造全局关联损失函数；

步骤9：判断是否满足迭代结束条件，若是，则执行步骤10，否则，返回步骤2；

步骤10：结束迭代，完成行人再识别。

2.根据权利要求1所述的一种基于联合时空采样的无监督视频序列行人再识别方法，其特征在于，所述的步骤1具体为：

使用既有的行人检测和跟踪模型获取不同摄像头下的行人小片段轨迹；

所述的联合时空采样的采样规则具体为：

在同一个时间窗口下，为每个小片段轨迹设置不同的身份标签；在第i时间采样中，检索某个时间点S_i下的所有小片段轨迹并标记；设置采样时间间隔P，即下一采样时间点S_i+1为S_i+P，其中采样时间间隔P大于行人穿过单个摄像头的时间T，即P＞T，最终获得每个摄像头下独立标记的小片段轨迹集合{S_i}，联合采样前的数据集构成训练数据集。

3.根据权利要求1所述的一种基于联合时空采样的无监督视频序列行人再识别方法，其特征在于，所述的步骤2中单摄像头下小片段轨迹特征学习具体为：

在摄像头k下，共有N_k个小片段轨迹，将所有小片段轨迹初始化为图片特征表示的平均值任选其中一帧图片特征f_k,p，采用滑动平均的方式更新特征学习：

其中，η为更新率，t表示迭代次数。

4.根据权利要求1所述的一种基于联合时空采样的无监督视频序列行人再识别方法，其特征在于，所述的步骤3中单摄像头下行人小片段轨迹排序具体为：

使用距离计算f_k,p与x_k,i之间的相似度，并按照相似度排序，首先计算图片特征f_k,p与所有小片段轨迹图片特征表示的平均值之间的距离：

然后进行排序，并寻找Rank-1的小片段轨迹x_k,t，计算f_k,p与x_k,t之间的最小距离：

其中，

5.根据权利要求1所述的一种基于联合时空采样的无监督视频序列行人再识别方法，其特征在于，所述的步骤4中单摄像头下小片段轨迹的关联损失的计算方法为：

其中，D_p,p为图片特征f_k,p与其对应的小片段轨迹特征x_k,p之间的距离；D_p,t表示f_k,p与Rank-1的小片段轨迹x_k,t之间的距离；表示Rank-1的x_k,t与在摄像头k下随机采样的M张图片特征距离的平均值；p＝t表示Rank-1的x_k,t是f_k,p对应的小片段轨迹特征；m为一常量；

其中，x_p为f_k,p对应的小片段轨迹P中的任一帧图像；x_n为Rank-1的小片段轨迹N中的任一帧图像；