基于辨识特征后融合的行人再识别

跨摄像机行人因光照、视角、姿态的差异，会使其外观变化显著，给行人再识别的研究带来严峻挑战。基于多特征融合和距离度量学习技术，提出辨识特征后融合的算法，并将其应用于行人再识别中。对跨摄像机行人样本图像分别提取局部最大出现频次（LOMO）特征和基于显著颜色名称的颜色描述子（SCNCD）特征，表示跨摄像机行人的外观。基于所提取的LOMO和SCNCD特征，分别去训练跨视图二次判别分析（XQDA）距离度量学习模型，分别获取跨摄像机每对行人每个特征优化的距离；应用最小最大标准化距离融合的算法，获取跨摄像机行人最终的距离，用于跨摄像机行人的匹配。在具有挑战性的VIPeR和PRID 450S两个公开数据集上进行实验，实验结果表明所提出的行人再识别算法有效地提高了行人再识别的准确率。