基于双向关系相似度函数学习的行人再识别

• 作者: 张娜 张福星 桂江生 王强 胡玲玲
• 来源期刊: 计算机系统应用
• 关键词: 行人再识别 距离度量学习 双向关系相似度函数 滑动分块
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 专论·综述
• 页码范围: 33-40
• 页数: 8页
• 字数: 6113字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006354

摘要

当前的行人再识别在度量学习上采用马氏距离相似度函数, 该相似度函数只与特征差分空间有关, 忽略了一对行人图像中每个个体的外观特征, 针对上述问题, 提出了通过学习一个双向关系相似度函数(Bidirectional Relationship Similarity Function, BRSF), 来计算一对行人图像的相似度. BRSF不但描述了一对行人图像的互相关关系, 而且关联了一对行人图像的自相关关系. 该文利用KISSME (Keep It Simple and Straightforward Metric)算法的思想进行相似度函数学习, 把一对样本特征的自相关关系和互相关关系用高斯分布来表示, 通过把最终高斯分布的比值转换为BRSF的形式, 得到一个对背景、视角、姿势的变化具有鲁棒性的相似度函数. 在VIPeR, QMUL GRID两个行人再识别数据集上的实验结果表明, 本文算法具有较高的识别率, 其中在VIPeR数据集上, Rank1达到了53.21%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张娜	浙江理工大学信息学院	72	213	8.0	12.0
2	桂江生	浙江理工大学信息学院	26	58	5.0	6.0
3	王强	浙江理工大学信息学院	8	21	3.0	4.0
4	张福星	浙江理工大学信息学院	2	3	1.0	1.0
5	胡玲玲	浙江理工大学信息学院	9	25	3.0	4.0