欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2019103251894
申请人: 广东石油化工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于素描图像的半耦合度量鉴别字典学习的行人检索方法,其特征在于,所述基于素描图像的半耦合度量鉴别字典学习的行人检索方法包括:建立异构行人检索数据库SINPID,包括素描图像集和正规图像集;进行特征提取,从图像中提取特征用相应的颜色进行不同的图像标注;

对提取出来的样本特征进行对异构的数据处理;引入字典学习方法学习异构数据的字典对,从素描图像集和正规图像集中学习映射矩阵;

并引入鉴别算法学习度量,进行基于素描图像的半耦合度量鉴别字典学习的行人检索;

所述基于素描图像的半耦合度量鉴别字典学习的行人检索算方法包括以下步骤:步骤一、用相机拍摄照片并建立自己的数据库;

步骤二、特征提取;

步骤三、利用字典学习技术学习异构字典对DS和DN;

步骤四、从素描图像集和普通图像集学习投影矩阵P;

步骤五、利用鉴别学习的思想学习度量矩阵W;

步骤六、参数求解;

步骤七、行人重识别;

步骤三中,X=[x1,x2...xN]和Y=[y1,y2...yN]分别是素描图像集和普通图像集;X ∈Rd*N,Y∈Rd*N;d是图像特征的维数,N表示样本图像的总数量;DS和DN分别表示素描图像和普通图像的字典对,利用字典学习技术学习异构字典对的目标函数定义为:其中字典对DS和DN分别为:DS∈Rd*m,DN∈Rd*m,m表示的是字典对中的元素的数量;A=[a1,a2...aN],B=[b1,b2...bN],A表示的是X在DS上的编码系数矩阵,B表示的是Y在DN上的编码系数矩阵;

步骤四中,P∈Rd*d是半耦合投影矩阵;通过最小化A和B编码系数矩阵的距离,得到半耦合投影矩阵;半耦合映射矩阵按以下方式计算:步骤五中,利用鉴别思想进行度量学习和字典学习按以下方式计算:其中S表示的是(i,j)元素属于同一类,D表示的是(i,j)元素属于不同类;

M=WTW W∈Rd*d

                       (5);

参数投影矩阵P,系数A,B以及鉴别约束项W;正则化项表示为:结合上述公式(1),(2),(3),(6);于是SMD2L的目标函数改写为:其中λ为正则化参数平衡因子;

步骤六中将公式(7)划分的字典对更新,表示系数更新和半耦合投影矩阵的更新子问题包括:

1)固定公式(8)除参数A和B外的参数以及更新参数A和B;更新A对只存在参数A的项并进行保留,公式(7)改写为:通过将αi的导数设置为0求解;αi表示为如下:αi=(DSTDS+PTP+λI+(1-β)WTW)-1更新B对只存在参数B的项并进行保留,

bi=(DNTDN+(λ-1)I+(1-β)WTW)-1

2)更新DS和DN,更新DS公式(7)改写为如下:DS的计算可以通过以下公式得到:DS=XAT(AAT+∧))-1   (12);

∧是一个对角阵,更新DN将公式(7)改写为如下:

3)更新P,固定其它参数,将公式(7)改写为:通过将P的导数设置为0求解,P的求解如下:

P=BAT(AAT+λI))-1         (15);

4)最后更新W,固定其它参数,公式(7)改写为如下:通过梯度下降算法来更新W,

其中t表示的是算法的迭代次数为t;

步骤七中,输入素描图像集和普通图像集,按照公式(12),(15),(18)求解参数DS,DN,P,W;F是素描图像集的特征,G是普通照片集的特征,具体包括:利用公式(9)求解素描图像集字典DS,利用学习到的投影矩阵P,来求解DS对应的系数矩阵f,计算方式如下:利用公式(10)求解普通图像集字典DN,然后求解DN对应的系数矩阵g,计算方式如下:通过公式(19)和公式(20)求解出素描图像集所对应的系数矩阵f和普通图像集所对应的系数矩阵g,检索在普通图像集中所对应的素描图像,通过计算两个图像之间的距离来获得,计算方式如下:计算公式(21),求解出所对应的距离,再对距离进行排序,距离最小的普通照片就是利用素描图像所检索出来的图片。

2.如权利要求1所述的基于素描图像的半耦合度量鉴别字典学习的行人检索方法,其特征在于,在步骤一具体包括:用多个摄像头拍摄真实场景下的照片来收集数据,总共收集多张照片数据;然后将一摄像头的数据作为普通图像集,另外一摄像头的数据经过处理形成素描图像集;

素描图像集,随机选取一半的素描图像和普通图像的样本作为训练集,剩余的作为测试集;并且对图像集进行分割处理。

3.如权利要求1所述的基于素描图像的半耦合度量鉴别字典学习的行人检索方法,步骤二中,对所收集到的行人数据集SINPID提取出两种类型的特征进行评价,包括LOMO贴片特征和PCB深度特征;LOMO贴片特征通过贴片提取;PCB深度特征为由多个部分级特征组成的深度卷积描述符,把整个图像作为输入,并得到每幅图像的特征向量。

4.一种实施权利要求1所述的基于素描图像的半耦合度量鉴别字典学习的行人检索方法的基于素描图像的半耦合度量鉴别字典学习的行人检索控制系统。

5.一种实施权利要求1所述的基于素描图像的半耦合度量鉴别字典学习的行人检索方法的交通道路行人图像检索终端。