融合Gabor特征与卷积特征的小样本行人重识别

• 作者: 傅桂霞 邹国锋 毛帅 潘金凤 尹丽菊
• 来源期刊: 山东大学学报（工学版）
• 关键词: Gabor变换 特征编码 卷积自编码网络 无监督学习 小样本行人重识别
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 22-29
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.232

摘要

针对视频监控环境下采集的可用行人图像数量有限,以及非可靠数据标注导致监督学习算法性能下降等问题,提出一种融合Gabor特征和卷积特征的无监督小样本行人重识别方法.采用Gabor变换提取多尺度、多方向行人纹理和边缘信息,实现小样本行人图像特征级数据增强,进一步通过特征编码消除冗余信息,提升相似度比对效率.采用卷积自编码网络提取行人非线性深度卷积特征,避免监督学习算法对数据标注的依赖性.融合两种异构特征用于行人相似度比对,实现小样本下行人特征数据的拓展,同时实现行人特征判别能力增强.在Market-1501和DukeMTMC-reID数据集的试验中rank-1准确度分别达到74％和67.1％,证明所提网络架构能有效提升小样本行人重识别的性能.