10.3969/j.issn.1003-501X.2014.11.003
多核支持向量机多示例学习的行人再识别
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。
非重叠视域、多示例学习、行人再识别、多核支持向量机
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61370173,61202290;浙江省自然科学基金项目LY12F02012
2014-12-04(万方平台首次上网日期,不代表论文的发表时间)
共7页
16-22