一種基于稀疏表示處理遮擋行人檢索方法

(19)(19)民國家知局(21)(22)

(10)申請公布號CN(43)(71)申請人大(72)發(fā)明人(74)專利機構知識事務人G06F17/30(2006.01)G06K9/46(2006.01)權利要求書2權利要求書2頁說明書5頁附圖2(57)AACN

權利要求 1/2步驟1詢行人圖像P和待測Q都分m行n列的小圖像并將所述2提取所述P和Q的每個圖像塊的特將所述P和Q用基于圖像塊的特征表示；3對所述P和Q進行基于圖像塊的相似性匹得所述P和Q基于圖像塊的相似性匹配的距離度量結果；步驟4算所述的P的圖像塊相對于所述的Q的稀疏表獲得所述的P相對于所述的Q的遮擋程所述的Q的圖像塊相對于所述的P的稀疏所述的Q相對于所述的P的遮擋程度；根據(jù)權利1：步驟3中PQ圖像塊的相似性匹配的距離度量結果，其具體實現(xiàn)包括以下子步驟：：步驟3.1確定搜索P的圖像塊集合中的每一個圖像塊確定一個搜索區(qū)設所述的P的圖像塊為PabPab的搜索區(qū)域由所述的Q的圖像塊集合中的若干個圖像塊組Pab的搜索區(qū)域表示為：：步驟3.2計算Pab到搜索區(qū)域中每個圖像塊的歐氏距離距離最小的塊即為與Pab最相似的塊將其表示為則所述的P和Q基于圖像塊的相似性匹：：的距離度量結果為：：，PPabPabQ：，表示誤差為其中為Pab的特征向量為Pab的稀疏系數(shù)向量為Pab的字典且λ為稀疏表示模型的參數(shù)；，，CN

權利要求 2/2：，， 其中為的特征向量為的稀疏系數(shù)向量為的字典且λ為稀疏表示模型的參數(shù)。：，，，其 σ 函數(shù)的，，和 為所述的P和Q基于圖像塊，和量結果，sim(P,Q)PQ

一種基于稀疏表示處理遮擋的行人檢索方 行人檢索是在照射區(qū)域無的多頭下匹配特定行人對象的技術。 [0004]第一類主要構造魯棒的視覺特征，然后使用標準的距離函數(shù)（如歐式距離等進行 1PQmn 特征表示； 像塊的相似性匹配的距離度量結果；所述的Q的遮擋程計算所述的Q的圖像塊相對于所述的P的稀疏表獲得所述的Q相對于所述的P的遮擋程度；[0015]3PQ索區(qū)所述P的圖像塊為PabPab的搜索區(qū)域由所述的Q的圖像塊集合中的若干個Pab：[0017]3.2Pab到搜索區(qū)域中每個圖像塊的歐氏距離Pab最相似的塊將其表示為 則所述的P和Q基于圖像塊的相似

其 為Pab的特征向量

Pab系數(shù)向量，數(shù)；

為Pab的字典 λ為稀疏表示模型的 ：， 表示誤差 其 的特征向 的?。?，系數(shù)向量，

的字典 λ為稀疏表示模型的 ， 其 σ 函，， 為所述的P和Q基于圖像塊Pab和的相似性匹配的距離度量結果，sim(P,Q)越大所述的P和所述的Q越相似。，[0027]檢索結果；[0032]索數(shù)據(jù)集VIPeR上進試。VIPeR數(shù)據(jù)集有兩個頭下632個行人圖像對頭之間存法，包括以下步驟：PQ為圖像塊的集合，即Piji1,…,mj1,…,n}Q={ij|=1,m;j=1n}，每幅圖像分成30×10個圖像塊。[0036]2PQSIFT[0038]3.1PP的圖像塊PabPab的搜索區(qū)域Q的圖像塊集合中的若干個圖像塊組成Pab的搜索區(qū)域表示為

l=1 步驟3.2計算Pab到搜索區(qū)域中每個圖像塊的歐氏距離距離最小的塊即為：Pab最相似的塊將其表示 則P和Q基于圖像塊的相似性匹配： ：， 表示誤差 其 為Pab的特征向 為Pab的：，數(shù)；

為Pab的字典 λ為稀疏表示模型的 ：，，[0046]表示誤差為其中為的特征向量為的稀疏系數(shù)向量為的字典且λ為稀疏表示模型的參：，， Q之間的遮擋程度，計P和Q之間的相計P和Q之間的相采用如下公式獲得： ， 其 σ 函，的帶寬 為P和Q基于圖像塊Pab 行人對象的概率。當返回前r個結果時CMC值越高表示行人檢索性能越好。本實例的測試過程重復10次，計算其平均CMC值。我們對比了ELF基于特征的行人重識別方法和稀疏表示處理遮擋后的結果。其具體結果