基于特征融合与核局部fisher判别分析的行人重识别

《基于特征融合与核局部fisher判别分析的行人重识别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于特征融合与核局部Fisher判别分析的行人重识别　　摘要：　　行人重识别精度主要取决于特征描述和度量学习两个方面。在特征描述方面，现有特征难以解决行人图像视角变化的问题，因此考虑将颜色标签特征与颜色和纹理特征融合，并通过区域和块划分的方式提取直方图获得图像特征；在度量学习方面，传统的核局部Fisher判别分析度量学习方法对所有查询图像统一映射到相同的特征空间中，忽

2、略了查询图像不同区域的重要性，为此在核局部Fisher判别分析的基础上对特征进行区域分组，采用查询自适应得分融合方法来描述图像不同区域的重要性，由此实现度量学习。在VIPeR和iLIDS数据集上，实验结果表明融合后的特征描述能力明显优于原始特征，同时改进的度量学习方法有效提高了行人重识别精度。　　关键词：　　行人重识别；颜色标签；特征融合；度量学习；核局部Fisher判别分析　　中图分类号：　　　　文献标志码：A　　Abstract：为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展

3、课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　Featurerepresentationandmetriclearningarefundamentalproblemsinpersonreidentification.Inthefeaturerepresentation，theexistingmethodscannotdescribet

4、hepedestrianwellformassivevariationsinviewpoint.Inordertosolvethisproblem，theColorNamefeaturewascombinedwiththecolorandtexturefeatures.Toextracthistogramsforimagefeatures，theimagewasdividedintozonesandblocks.Inthemetriclearning，thetraditionalkernelLocalFisherDiscriminantAna

5、lysismethodmappedallqueryimagesintothesamefeaturespace，whichdisregardstheimportanceofdifferentregionsofthequeryimage.Forthisreason，thefeaturesweregroupedbyregionbasedonthekLFDA，andtheimportanceofdifferentregionsoftheimagewasdescribedbythemethodofQueryAdaptiveLateFusion.Expe

6、rimentalresultsontheVIPeRandiLIDSdatasetsshowthattheextractedfeaturesaresuperiortotheoriginalfeature；meanwhile，theimprovedmethodofmetriclearningcaneffectivelyincreasetheaccuracyofpersonreidentification.　　英文关键词Keywords：为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课

7、外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　personreidentification；ColorName；featurefusion；metriclearning；kernelLocalFisherDiscriminantAnalysis　　0引言　　近年来，随着监控设备在公共场所的逐渐增多，行人重识别技术越来越受到人们的关注。行

8、人重识别的定义为从跨摄像机、跨时间段的行人图像数据库中找出与检索行人一致匹配的人物[1]。但是由于光照、摄像机位置、行人姿势变化等问题，同一行人在不同图像之间会出现