基于加权欧氏距离度量的目标再识别算法

摘要：

针对传统欧氏距离在特征相似性度量中存在区分能力弱的缺陷，提出了基于加权欧氏距离度量的目标再识别算法。首先，针对现有目标再识别算法中目标分割易受衣着和背景颜色干扰的缺陷以及忽略人体头部特征的现象，提出了一种简单的比例分割方法，即根据 VIPeR 和 i-LIDS 数据集上目标各部件的比例统计将目标按比例分割成3部分。然后提取各部件的多种互补特征来增加其对光照变化等因素的鲁棒性。在部件特征描述过程中，文中提出了以显著性因子为权重的显著性局部二值模式（SLBP）特征来增加局部二值模式（LBP）特征对目标显著性的描述。最后综合各部件的相似性度量结果来判断目标是否匹配。在 VIPeR 和 i-LIDS 数据集上的对比实验结果显示，文中算法的目标再识别准确率优于其他算法。

关键词：加权欧氏距离、目标再识别、相似性度量、人体再识别、显著性LBP 特征

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51408237@@@@Supported by the National Natural Science Foundation of China51408237

在线出版日期：2015-11-25（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：88-94