基于提升方法的多度量行人再识别

摘要：

受到光照、视角、姿态等因素的影响,跨摄像机的行人再识别是一项相当具有挑战性的研究工作.为了进一步提升行人再识别的匹配精度,设计了更具判别性的特征表达,即增强局部最大出现频次(eLOMO)描述子,并提出基于提升方法融合多个距离度量的匹配模型.在提取eLOMO特征时采用从水平条与密集网格两种不同的尺度中提取颜色与纹理特征,从而获得更具判别性的行人外观描述子.在匹配模型上,采用自适应提升(AdaBoost)方法来融合多种距离度量学习模型的优势,从而实现对行人外观的匹配.在行人再识别公共数据集VIPeR和PRID450S上的实验结果表明,该方法能够有效地提升行人再识别的性能.

关键词：行人再识别、特征表达、度量学习、提升方法、距离融合、公共数据集

所属期刊栏目：43

分类号：TN911.73-34;TP391.4

资助基金：国家自然科学基金项目;国家自然科学基金项目;国家自然科学基金项目;江苏省高等院校国内高级访问学者计划资助项目

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41