基于卡方核的正则化线性判别行人再识别算法

摘要：

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis).该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率.在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率.

关键词：行人再识别、卡方核、正则化线性判别分析、核函数

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市前沿与应用基础研究计划资助项目cstc2014jcyjA40049

在线出版日期：2018-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：66-76