多核支持向量机多示例学习的行人再识别

摘要：

行人再识别中的难点在于在不同摄像机中同一行人的图像差异较大，单一特征难以稳定地描述图像，而采用多种特征融合时无法准确分配权重。针对这一缺陷，本文提出了多核支持向量机多示例学习的行人再识别算法。首先提取行人在A、B摄像机下二张图片的分块HSV颜色特征和分块SIFT局部特征并构建词袋，将二者作为示例样本封装成包；其次对多核支持向量机模型进行了优化，采用高斯核和多项式核线性融合对包进行训练，并用多示例学习获得最优权重；最后本文算法在VIPeR标准数据集上进行了测试，识别准确率通过计算十次实验的平均准确度来获得，并用 CMC 曲线进行表示，同时也对样本的匹配结果进行排序。实验结果表明本文算法与多个优秀的算法相比，鲁棒性和识别准确度都获得了提高。

关键词：非重叠视域、多示例学习、行人再识别、多核支持向量机

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61370173，61202290；浙江省自然科学基金项目LY12F02012

在线出版日期：2014-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：16-22