| 多方向显著性权值学习的行人再识别 |
| |
| 引用本文： | 陈莹,霍中花.多方向显著性权值学习的行人再识别[J].中国图象图形学报,2015,20(12):1674-1683. |
| |
| 作者姓名： | 陈莹 霍中花 |
| |
| 作者单位： | 江南大学轻工过程先进控制教育部重点实验室, 无锡 214122;江南大学轻工过程先进控制教育部重点实验室, 无锡 214122 |
| |
| 基金项目： | 国家自然科学基金项目(61104213,61573168);江苏省自然科学基金资助项目(BK2011146) |
| |
| 摘 要： | 目的 针对当前行人再识别匹配块的显著性外观特征不一致的问题,提出一种对视角和背景变化具有较强鲁棒性的基于多向显著性相似度融合学习的行人再识别算法。方法 首先用流形排序估计目标的内在显著性,并融合类间显著性得到图像块的显著性;然后根据匹配块的4种显著性分布情况,通过多向显著性加权融合建立二者的视觉相似度,同时采用基于结构支持向量机排序的度量学习方法获得各方向显著性权重值,形成图像对之间全面的相似度度量。结果 在两个公共数据库进行再识别实验,本文算法较同类方法能获取更为全面的相似度度量,具有较高的行人再识别率,且不受背景变化的影响。对VIPeR数据库测试集大小为316对行人图像的再识别结果进行了定量统计,本文算法的第1识别率(排名第1的搜索结果即为待查询人的比率)为30%,第15识别率(排名前15的搜索结果中包含待查询人的比率)为72%,具有实际应用价值。结论 多方向显著性加权融合能对图像对的显著性分布进行较为全面的描述,进而得到较为全面的相似度度量。本文算法能够实现大场景非重叠多摄像机下的行人再识别,具有较高的识别力和识别精度,且对背景变化具有较强的鲁棒性。
|
| 关 键 词： | 行人再识别 度量学习 显著性特征 排序 |
| 收稿时间： | 2015/6/11 0:00:00 |
| 修稿时间： | 9/7/2015 12:00:00 AM |
Person re-identification based on multi-directional saliency metric learning |
| |
| Chen Ying and Huo Zhonghua.Person re-identification based on multi-directional saliency metric learning[J].Journal of Image and Graphics,2015,20(12):1674-1683. |
| |
| Authors: | Chen Ying and Huo Zhonghua |
| |
| Affiliation: | Key Laboratory of Advanced Process Control for Light Industry(Ministry of Education), Jiangnan University, Wuxi 214122, China;Key Laboratory of Advanced Process Control for Light Industry(Ministry of Education), Jiangnan University, Wuxi 214122, China |
| |
| Abstract: | |
| |
| Keywords: | person re-identification metric learning salience feature ranking |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
