公开(公告)号：CN111353443A

公开(公告)日：2020-06-30

申请号：CN202010141525.2

申请日：2020-03-02

Applicant: 南京信息工程大学

Inventor： 张国庆 ,  蒋同

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于跨视图核协同表示的行人再识别方法，属于行人再识别技术领域。本发明的方法首先对数据集进行预处理，然后划分训练、测试集，再进行特征提取与降维；并进行跨视图核协同表示，最后识别待测样本。本发明采用了跨视图核协同表示方法，按照不同的视图分别处理样本，用CRC协同表示同一视图下的样本得到该视图所有样本的协同表示编码，然后对不同视图下同一个人的协同表示编码加上彼此相似性约束，最后将不同视图的CRC模型和编码相似性约束整合到同一个多任务学习框架中，联合地学习跨视图样本的协同表示编码，通过这种方式使CRC更适用于行人再识别任务。因此，本方法应对跨视图行人图像间的外观差异具有更强的鲁棒性。

公开(公告)号：CN111353443B

公开(公告)日：2023-06-20

申请号：CN202010141525.2

申请日：2020-03-02

Applicant: 南京信息工程大学

Inventor： 张国庆 ,  蒋同

IPC: G06V40/10 ,  G06V10/77 ,  G06V10/764

Abstract: 本发明涉及一种基于跨视图核协同表示的行人再识别方法，属于行人再识别技术领域。本发明的方法首先对数据集进行预处理，然后划分训练、测试集，再进行特征提取与降维；并进行跨视图核协同表示，最后识别待测样本。本发明采用了跨视图核协同表示方法，按照不同的视图分别处理样本，用CRC协同表示同一视图下的样本得到该视图所有样本的协同表示编码，然后对不同视图下同一个人的协同表示编码加上彼此相似性约束，最后将不同视图的CRC模型和编码相似性约束整合到同一个多任务学习框架中，联合地学习跨视图样本的协同表示编码，通过这种方式使CRC更适用于行人再识别任务。因此，本方法应对跨视图行人图像间的外观差异具有更强的鲁棒性。