基于二次相似度函数学习的行人再识别.pdfVIP

书第３９卷　第８期 ２０１６年８月 计　　算　　机　　学　　报 ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ Ｖｏｌ．３９ Ｎｏ．８ Ａｕｇ．２０１６ 　 收稿日期：２０１５０７０８；在线出版日期：２０１５１２２８．本课题得到国家自然科学基金和国家“九七三”重点基础研究发展计划项 目基金（２０１１ＣＢ３０２２０３）资助．杜宇宁，男，１９８７年生，博士，主要研究方向为计算机视觉．Ｅｍａｉｌ：ｄｙｎｉｎｇ．２００３＠１６３．ｃｏｍ．艾海舟，男， １９６４年生，教授，博士生导师，主要研究领域为计算机视觉． 基于二次相似度函数学习的行人再识别 杜宇宁　　艾海舟 （清华大学计算机科学与技术系　北京　１０００８４） 摘　要　行人再识别是一个有着非常重要现实意义的研究问题，它可以应用于刑事侦查、在公共场所中寻找丢失 的小孩、个人相册管理以及电子商务等领域．同时由于光照、视角、人的姿态以及背景的变化，同一个人的表观在不 同的监控视频中往往变化很大，解决行人再识别问题也非常有挑战性．在设计行人再识别算法时，给定行人图像的 特征，考虑到不同的特征分量具有不同的区分能力，学习合适的相似度度量非常重要．度量学习是一类学习相似度 度量的主流算法，这些算法通过学习一个马氏距离相似度函数（ＭａｈａｌａｎｏｂｉｓＳｉｍｉｌａｒｉｔｙＦｕｎｃｔｉｏｎ，ＭＳＦ）来估计一对 行人图像的相似度．然而 ＭＳＦ只与特征差分空间有关，忽略了一对图像中每个个体的表观特征，对于同一个人在 不同场景中很大的表观变化的捕捉能力有限．为了加强相似度函数与每个个体的表观特征的联系，该文提出通过 学习一个二次相似度函数（ＱｕａｄｒａｔｉｃＳｉｍｉｌａｒｉｔｙＦｕｎｃｔｉｏｎ，ＱＳＦ），来估计一对行人图像的相似度．ＱＳＦ是 ＭＳＦ的泛 化形式，不但描述了一对行人图像的互相关关系，而且关联了一对行人图像的自相关关系，可以更好地捕捉同一个 人在不同监控视频中很大的表观变化．为了学习 ＱＳＦ，该文分别从分类和排序的角度出发，设计两种不同的优化目 标，提出了两种不同的学习 ＱＳＦ的算法．由行人再识别的公共数据集 ＶＩＰｅＲ和ＣＵＨＫ的实验表明，这两种不同的 算法都可以学习到有效的 ＱＳＦ，识别性能优于已有的行人再识别算法． 关键词　视频监控；行人再识别；行人分析；度量学习；二次相似度函数学习；机器学习 中图法分类号 ＴＰ３９１　　　犇犗犐号 １０．１１８９７／ＳＰ．Ｊ．１０１６．２０１６．０１６３９ 犔犲犪狉狀犻狀犵犙狌犪犱狉犪狋犻犮犛犻犿犻犾犪狉犻狋狔犉狌狀犮狋犻狅狀犳狅狉犘犲犱犲狊狋狉犻犪狀犚犲犐犱犲狀狋犻犳犻犮犪狋犻狅狀 ＤＵＹｕＮｉｎｇ　ＡＩＨａｉＺｈｏｕ （犇犲狆犪狉狋犿犲狀狋狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犜狊犻狀犵犺狌犪犝狀犻狏犲狉狊犻狋狔，犅犲犻犼犻狀犵　１０００８４） 犃犫狊狋狉犪犮狋　 Ｐｅｄｅｓｔｒｉａｎｒｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｉｓａｖａｌｕａｂｌｅｐｒｏｂｌｅｍｔｈａｔｈａｓｅｎｏｒｍｏｕｓｐｏｔｅｎｔｉａｌｆｏｒ ｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓｌｉｋｅｃｒｉｍｉｎａｌｓｍｏｎｉｔｏｒｉｎｇａｎｄｉｎｖｅｓｔｉｇａｔｉｏｎ，ｌｏｓｔｃｈｉｌｄｒｅｎｓｅａｒｃｈｉｎｔｈｅ ｐｕｂｌｉｃａｒｅａ，ｐｅｒｓｏｎａｌｐｈｏｔｏａｌｂｕｍ ｍａｎａｇｅｍｅｎｔ，ｅｂｕｓｉｎｅｓｓ，ｔｏｎａｍｅａｆｅｗ．Ｍｅａｎｗｈｉｌｅ，ｉｔｉｓ ａｌｓｏｖｅｒｙｃｈａｌｅｎｇｉｎｇｓｉｎｃｅｔｈｅａｐｐｅａｒａｎｃｅｏｆｔｈｅｓａｍｅｐｅｒｓｏｎｂｅｔｗｅｅｎｃａｍｅｒａｖｉｅｗｓｃｈａｎｇｅｓ ｄｒａｍａｔｉｃａｌｙｃａｕｓｅｄｂｙｉｌｕｍｉｎａｔｉｏｎ，ｖｉｅｗｐｏｉｎｔ，ｐｏｓｅ，ａｎｄｂａｃｋｇｒｏｕｎｄｖａｒｉａｔｉｏｎｓ．Ｇｉｖｅｎａｃｅｒｔａｉｎ ｐｅｄｅｓｔｒｉａｎｆｅａｔｕｒｅｓｐａｃｅ，ｂｅｃａｕｓｅｏｆｔｈｅｄｉｆｅｒｅｎｔｄｉｓｃｒｉｍｉｎａｔｉｖｅａｂｉｌｉｔｙｏｆｄｉｆｅｒｅｎｔｆｅａｔｕｒｅｃｏｍｐｏｎｅｎｔｓ， ｌｅａｒｎｉｎｇａｐｒｏｐｅｒｓｉｍｉｌａｒｉｔｙｉｓｉｍｐｏｒｔａｎｔｆｏｒｐｅｄｅｓｔｒｉａｎｒｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ａｄｏｍｉｎａｎｔａｌｇｏｒｉｔｈｍｔｏ ｌｅａｒｎａｓｉｍｉｌａｒｉｔｙｉｓｔｈｅｍｅｔｒｉｃｌｅａｒｎｉｎｇｔｈａｔｌｅａｒｎｓａＭａｈａｌａｎｏｂｉｓＳｉｍｉｌａｒｉｔｙＦｕｎｃｔｉｏｎ（ＭＳＦ）ｔｏ ｅｓｔｉｍａｔｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆａｐａｉｒｏｆｐｅｄｅｓｔｒｉａｎｓ．Ｈｏｗｅｖｅｒ，ｂｅｃａｕｓｅＭＳＦｏｎｌｙｐｒｏｊｅｃｔｓａｐａｉｒｏｆ ｐｅｄｅｓｔｒｉａｎｓｉｎｔｏｔｈｅｆｅａｔｕｒｅｄｉｆｆｅｒｅｎ