基于特征融合与子空间学习的行人重识别算法
针对现存行人重识别算法不能较好地适应光照、姿态、遮挡等变化的问题,提出一种基于特征融合与子空间学习的行人重识别算法.该算法对整幅行人图像提取方向梯度(HOG)直方图特征和HSV(Hue,Saturation,Value)直方图特征作为整体特征,再在滑动窗口内提取色彩命名(CN)特征和两个尺度的尺度不变局部三元模式(SILTP)特征.为了使算法具有更好的尺度不变性,对原图像进行两次下采样,再对采样后的图像提取上述特征.提取特征后,采用核函数分别将原始特征空间转换到非线性空间,在非线性空间内学习一个子空间,同时在子空间内学习一个相似性度量函数.在3个公开数据集上进行了实验,结果表明,所提算法可以较好地提高重识别率.
机器视觉、行人重识别、特征融合、子空间、非线性、核函数
56
TP391.4(计算技术、计算机技术)
国家自然科学基金61861037
2019-06-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
148-154