現(xiàn)有的基于投影的行人重識(shí)別方法具有訓(xùn)練時(shí)間長(zhǎng)、投影矩陣維數(shù)高、識(shí)別率低等問題.此外在建立訓(xùn)練集時(shí),還會(huì)出現(xiàn)類內(nèi)樣本數(shù)目遠(yuǎn)少于類間樣本數(shù)目的情況.針對(duì)這些問題,提出了基于距離中心化的相似性度量算法.在構(gòu)建訓(xùn)練集時(shí),將同一組目標(biāo)群體特征值中心化,利用中心特征值來構(gòu)建類間距離,而類內(nèi)距離保持不變.這樣使得類內(nèi)類間樣本數(shù)目接近,可以很好地緩解類別不平衡所帶來的過擬合風(fēng)險(xiǎn).另外在學(xué)習(xí)投影矩陣時(shí),利用訓(xùn)練集更新策略,學(xué)習(xí)若干組投影向量,使得到的投影向量近似正交,這樣既可以有效減少運(yùn)算復(fù)雜度和存儲(chǔ)復(fù)雜度,又可以使得學(xué)習(xí)到的投影向量能夠通過簡(jiǎn)單的相乘近似得到原來的投影矩陣.最后,在學(xué)習(xí)投影向量時(shí)采用共軛梯度法,該方法具有二次收斂性,能夠快速收斂到目標(biāo)精度.實(shí)驗(yàn)結(jié)果表明:提出的算法具有較高的效率,在不同數(shù)據(jù)集上的識(shí)別率都有明顯的提升,訓(xùn)練時(shí)間也比其他常用的行人重識(shí)別算法要短. 

【文章來源】：計(jì)算機(jī)研究與發(fā)展. 2017,54(08)北大核心

【文章頁數(shù)】：10 頁

【文章目錄】：
1 目標(biāo)函數(shù)的建立
2 樣本距離中心化與迭代策略
    2.1 樣本距離中心化
    2.2 投影向量學(xué)習(xí)算法
    2.3 特征空間的迭代更新策略
    2.4 具體操作步驟
3 實(shí)驗(yàn)與分析
    3.1 數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
    3.2 特征表示
    3.3 對(duì)比分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國.  自動(dòng)化學(xué)報(bào). 2016(02)
[2]基于全局空間約束塊匹配的目標(biāo)人體識(shí)別[J]. 陳普強(qiáng),郭立君,張榮,趙杰煜.  計(jì)算機(jī)研究與發(fā)展. 2015(03)
[3]基于外觀統(tǒng)計(jì)特征融合的人體目標(biāo)再識(shí)別[J]. 曾明勇,吳澤民,田暢,付毅,揭斐然.  電子與信息學(xué)報(bào). 2014(08)
[4]基于統(tǒng)計(jì)推斷的行人再識(shí)別算法[J]. 杜宇寧,艾海舟.  電子與信息學(xué)報(bào). 2014(07)
[5]多特征融合的人體目標(biāo)再識(shí)別[J]. 范彩霞,朱虹,藺廣逢,羅磊.  中國圖象圖形學(xué)報(bào). 2013(06)



本文編號(hào)：3026167