[发明专利]一种结合表观特征和时空分布的双流网络行人重识别方法

摘要

本发明公开了一种结合表观特征和时空分布的双流网络行人重识别方法，方法主要包括下述步骤：使用深度神经网络提取行人图像的表观特征并计算图像对的表观相似度；通过基于高斯平滑的统计方法学习训练数据集的时空分布模型；通过基于逻辑平滑的联合度量方法对表观相似度和时空概率进行联合计算得出最终相似度；将最终相似度进行排序得到行人重识别结果。主要贡献包括：(1)提出一种结合表观特征和时空分布的双流网络行人重识别框架；(2)提出新的基于高斯平滑的时空分布学习方法。(3)提出新的基于逻辑平滑的相似性联合度量方法。实验结果表明，本方法在DukeMTMC‑reID和Market1501数据集上的Rank1准确率分别从83.8％和91.2％提高到94.4％和98.0％，较其他方法有非常大的性能提升。

主权项

1.一种结合表观特征和时空分布的双流网络行人重识别方法，其特征在于，包括步骤：表观特征上，使用深度神经网络算法提取每个行人图像的表观特征向量，计算出所有行人图像对之间的表观相似度，所述图像对是指检索图像和数据库图像；时空分布上，对于训练数据集，以一时间差单位区间统计每组摄像头对的原始时间差概率分布模型，得到n*n个时间差概率统计直方图，n为摄像头个数，然后对每个时间差概率统计直方图进行高斯平滑，得到时空分布模型；由时空分布模型求出检索图像和数据库图像之间的时空概率；对表观相似度和时空概率进行逻辑平滑，得到平滑后的表观相似度和时空概率；将平滑后的表观相似度和时空概率进行联合计算得到最终的行人图像对相似度，对行人图像对相似度排序得到行人重识别结果。