改進(jìn)的LDA 行人再識(shí)別算法

余 江

（ 西安科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，陜西 西安710119）

1 概述

行人再識(shí)別是一個(gè)圖像識(shí)別技術(shù)領(lǐng)域的研究熱點(diǎn)[1-2]。 該任務(wù)內(nèi)容是在不同地點(diǎn)出現(xiàn)的行人進(jìn)行再次識(shí)別。 任務(wù)的難點(diǎn)在于光線、姿態(tài)、拍攝角度、背景變化等多重因素的干擾。行人再識(shí)別包括3 個(gè)步驟：特征提取、模型訓(xùn)練以及相似性度量。 特征表達(dá)主要針對(duì)顏色和紋理信息， 常用方法又LBP、Gablor 算子、Schmid 算子以及顏色直方圖。 Yang 等人[2]利用顏色詞匯作為圖像的外觀特征描述。 廖勝才[6]等人則結(jié)合圖像的色彩特征和顏色特征，提出了局部最大值特征。 Farenzena 等人利用人體結(jié)構(gòu)的對(duì)稱性，提出了SDALF 特征。在度量模型方面，鄭偉詩(shī)等人將行人再識(shí)別問(wèn)題轉(zhuǎn)化為相對(duì)距離比較問(wèn)題， 建立優(yōu)化模型。 杜宇寧[3]等人在此基礎(chǔ)上，提出了一種新的統(tǒng)計(jì)推斷模型。Liao 等人則結(jié)合了投影子空間學(xué)習(xí)方法和馬氏距離學(xué)習(xí)方法兩種思想提出了交叉二次判別分析模型。 齊霽[4]等人在對(duì)現(xiàn)有度量模型算法研究的基礎(chǔ)上， 提出了一種基于幾何間距離的度量學(xué)習(xí)算法。 Zhang[5]等人則利用Foley-Samon 變換的方法建立了NFST模型。 本文中在現(xiàn)有研究成果的基礎(chǔ)上， 針對(duì)行人再識(shí)別任務(wù)中的過(guò)擬合問(wèn)題提出改進(jìn)算法，設(shè)計(jì)完成了一種泛化能力更強(qiáng)的度量學(xué)習(xí)模型。

2 基于線性判別算法的行人再識(shí)別

2.1 行人再識(shí)別基本模型

其中，W 為度量子空間的投影矩陣。 由此，建立正負(fù)樣本之間的相對(duì)距離函數(shù)，如公式(2)所示：

2.2 基于線性判別分析的行人再識(shí)別方法

針對(duì)行人再識(shí)別問(wèn)題， 度量學(xué)習(xí)模型的目的是使得原始樣本，在度量投影空間中正樣本總體盡量小，負(fù)樣本總體盡量大。根據(jù)LDA 的思想，構(gòu)造Fisher 判別準(zhǔn)則函數(shù)，如公式(3)所示：

Sp,Sn分別表示正負(fù)樣本對(duì)總體的散度，其等價(jià)形式如下：

利用廣義拉格朗日法進(jìn)行求解，計(jì)算投影矩陣W。

3 改進(jìn)的聯(lián)合行人再識(shí)別算法

由于小樣本問(wèn)題， 從而使得上述優(yōu)化模型構(gòu)成一個(gè)欠定問(wèn)題，訓(xùn)練后的度量模型存在過(guò)擬合。 本文重點(diǎn)研究一種半監(jiān)督的度量學(xué)習(xí)方法進(jìn)行改進(jìn)。 模型如下：

4 仿真實(shí)驗(yàn)

本文采用CMC 累計(jì)精度曲線[5]作為識(shí)別準(zhǔn)確率的評(píng)價(jià)方法。 如表1 給出了在VIPeR 數(shù)據(jù)集上的測(cè)試結(jié)果。 對(duì)比現(xiàn)有最先進(jìn)的行人再識(shí)別算法， 本文算法的識(shí)別精度有了顯著的提升。

表1 對(duì)比實(shí)驗(yàn)識(shí)別精度統(tǒng)計(jì)表（ VIPeR）

此外，本文在CUHK01 數(shù)據(jù)集上進(jìn)行了測(cè)試，本文算法具有十分優(yōu)異的表現(xiàn)，rank-1 的識(shí)別精度超過(guò)MLAPG 算法5%，達(dá)到70.00%。

結(jié)束語(yǔ)

行人再識(shí)別圖像識(shí)別技術(shù)應(yīng)用的又一個(gè)研究熱點(diǎn)。 由于場(chǎng)景的復(fù)雜性， 現(xiàn)有研究成果的精度與實(shí)際應(yīng)用仍存在較大差距。針對(duì)上述問(wèn)題，本文改進(jìn)的半監(jiān)督線性判別分析模型。通過(guò)相比實(shí)驗(yàn)，充分證明了本文算法的有效性、準(zhǔn)確性以及魯棒性。