高级搜索

一种基于等距度量学习策略的行人重识别改进算法

周智恒 刘楷怡 黄俊楚 陈增群

引用本文: 周智恒, 刘楷怡, 黄俊楚, 陈增群. 一种基于等距度量学习策略的行人重识别改进算法[J]. 电子与信息学报, 2019, 41(2): 477-483. doi: 10.11999/JEIT180336 shu
Citation:  Zhiheng ZHOU, Kaiyi LIU, Junchu HUANG, Zengqun CHEN. Improved Metric Learning Algorithm for Person Re-identification Based on Equidistance[J]. Journal of Electronics and Information Technology, 2019, 41(2): 477-483. doi: 10.11999/JEIT180336 shu

一种基于等距度量学习策略的行人重识别改进算法

    作者简介: 周智恒: 男,1977年生,教授,博士生导师,研究方向为模式识别与人工智能;
    刘楷怡: 女,1994年生,硕士生,研究方向为图像处理与模式识别;
    黄俊楚: 男,1994年生,博士生,研究方向为图像处理与模式识别;
    陈增群: 男,1995年生,本科生,研究方向为图像处理与模式识别
    通讯作者: 周智恒,zhouzh@scut.edu.cn
  • 基金项目: 国家自然科学基金项目(U1401252, 61871188),国家重点研发计划(2018YFC0309400),中央高校基本科研业务费专项资金资助项目(2017MS062),广州市产学研协同创新重大专项(201604016133)

摘要: 为了提高行人重识别距离度量MLAPG算法的鲁棒性,该文提出基于等距度量学习策略的行人重识别Equid-MLAPG算法。 MLAPG算法中正负样本对在映射空间的分布不均衡导致间距超参数受负样本对距离影响更大,因此该文设计的Equid-MLAPG算法要求正样本对映射成为变换空间中的一个点,即正样本对在变换空间中距离为零,使算法收敛时正负样本对距离分布不存在交叉部分。实验表明Equid-MLAPG算法能在常用的行人重识别数据集上取得良好的实验效果,具有更好的识别率和广泛的适用性。

English

    1. [1]

      ZHENG Liang, YANG Yi, and HAUPTMANN A G. Person re-identification: Past, present and future[OL]. arXiv preprint arXiv: 1610.02984, 2016.

    2. [2]

      SHAH J H, LIN Mingqiang, and CHEN Zonghai. Multi-camera handoff for person re-identification[J]. Neurocomputing, 2016, 191: 238–248. doi: 10.1016/j.neucom.2016.01.037

    3. [3]

      REHMAN S U, CHEN Zonghai, RAZA M, et al. Person re-identification post-rank optimization via hypergraph-based learning[J]. Neurocomputing, 2018, 287: 143–153. doi: 10.1016/j.neucom.2018.01.086

    4. [4]

      PEDAGADI S, ORWELL J, VELASTIN S, et al. Local fisher discriminant analysis for pedestrian re-identification[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Protland, USA, 2013: 3318–3325.

    5. [5]

      WEINBERGER K Q, BLITZER J, and SAUL L K. Distance metric learning for large margin nearest neighbor classification[C]. Advances in Neural Information Processing Systems. Vancouver, Canada, 2006: 1473–1480.

    6. [6]

      DAVIS J V, KULIS B, JAIN P, et al. Information-theoretic metric learning[C]. Proceedings of the 24th International Conference on Machine Learning, Corvalis, USA, 2007: 209–216.

    7. [7]

      DIKMEN M, AKBAS E, HUANG T S, et al. Pedestrian recognition with a learned metric[C]. Asian Conference on Computer Vision, Queenstown, New Zealand, 2010: 501–512.

    8. [8]

      ZHENG Weishi, GONG Shaogang, and XIANG Tao. Person re-identification by probabilistic relative distance comparison[C]. Computer Vision and Pattern Recognition, IEEE, Colorado, USA, 2011: 649–656.

    9. [9]

      KOESTINGER M, HIRZER M, WOHLHART P, et al. Large scale metric learning from equivalence constraints[C]. Computer Vision and Pattern Recognition (CVPR), Rhode Island, USA, 2012: 2288–2295.

    10. [10]

      TAO Dapeng, JIN Lianwen, WANG Yongfei, et al. Person re-identification by regularized smoothing kiss metric learning[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2013, 23(10): 1675–1685. doi: 10.1109/tcsvt.2013.2255413

    11. [11]

      LIAO Shengcai, and LI S Z. Efficient PSD constrained asymmetric metric learning for person re-identification[C]. Proceedings of the IEEE International Conference on Computer Vision. Santiago, USA, 2015: 3685–3693.

    12. [12]

      NESTEROV Y. Introductory Lectures on Convex Optimization: A Basic Course[M]. New York, USA, Springer Science & Business Media, 2013: 15–20.

    13. [13]

      TSENG P. On accelerated proximal gradient methods for convex-concave optimization[OL]. http://www.mit.edu/~dimitrib/PTseng/papers/apgm.pdf.

    14. [14]

      GRAY D and TAO Hai. Viewpoint invariant pedestrian recognition with an ensemble of localized features[C]. European Conference on Computer Vision, Marseille, France, 2008: 262–275.

    15. [15]

      LI Wei, ZHAO Rui, and WANG Xiaogang. Human reidentification with transferred metric learning[C]. Asian Conference on Computer Vision. Daejeon, Korea, 2012: 31–44.

    16. [16]

      LI Wei, ZHAO Rui, XIAO Tong, et al. Deepreid: Deep filter pairing neural network for person re-identification[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Columbus, USA, 2014: 152–159.

    17. [17]

      ZHENG Liang, SHEN Liyue, TIAN Lu, et al. Scalable person re-identification: A benchmark[C]. Proceedings of the IEEE International Conference on Computer Vision. Santiago, USA, 2015: 1116–1124.

    18. [18]

      ZHENG Zhedong, ZHENG Liang, and YANG Yi. Unlabeled samples generated by GAN improve the person re-identification baseline in vitro[C]. IEEE International Conference on Computer Vision. Venice, Italy, 2017: 3774–3782.

    19. [19]

      LIAO Shengcai, HU Yang, ZHU Xiangyu, et al. Person re-identification by local maximal occurrence representation and metric learning[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Boston, USA, 2015: 2197–2206.

    20. [20]

      ZHANG Li, XIANG Tao, and GONG Shaogong. Learning a discriminative null space for person re-identification[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, USA, 2016: 1239–1248.

    21. [21]

      曾明勇, 吴泽明, 田畅, 等. 基于外观统计特征融合的人体目标再识别[J]. 电子与信息学报, 2014, 36(8): 1844–1851. doi: 10.3724/SP.J.1146.2013.01389
      ZENG Mingyong, WU Zeming, TIAN Chang, et al. Fusing appearance statistical features for person re-identification[J]. Journal of Electronics &Information Technology, 2014, 36(8): 1844–1851. doi: 10.3724/SP.J.1146.2013.01389

    22. [22]

      MATSUKAWA T, OKABE T, SUZUKI E, et al. Hierarchical gaussian descriptor for person re-identification[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas, USA, 2016: 1363–1372.

    1. [1]

      张天骐, 范聪聪, 葛宛营, 张天. 基于ICA和特征提取的MIMO信号调制识别算法. 电子与信息学报, 2020, 41(0): 1-8.

    2. [2]

      杨书新, 梁文, 朱凯丽. 基于三级邻居的复杂网络节点影响力度量方法. 电子与信息学报, 2020, 42(5): 1140-1148.

    3. [3]

      兰红, 方治屿. 零样本图像识别. 电子与信息学报, 2020, 42(5): 1188-1200.

    4. [4]

      李根, 马彦恒, 侯建强, 徐公国. 基于Keystone变换和扰动重采样的机动平台大斜视SAR成像方法. 电子与信息学报, 2020, 42(0): 1-8.

    5. [5]

      陈勇, 刘曦, 刘焕淋. 基于特征通道和空间联合注意机制的遮挡行人检测方法. 电子与信息学报, 2020, 42(6): 1486-1493.

    6. [6]

      孙闽红, 丁辰伟, 张树奇, 鲁加战, 邵鹏飞. 基于统计相关差异的多基地雷达拖引欺骗干扰识别. 电子与信息学报, 2020, 42(0): 1-7.

    7. [7]

      王永娟, 王涛, 袁庆军, 高杨, 王相宾. 密码算法旁路立方攻击改进与应用. 电子与信息学报, 2020, 42(5): 1087-1093.

    8. [8]

      贾连印, 陈明鲜, 李孟娟, 游进国, 丁家满. 基于状态视图的高效Hilbert编码和解码算法. 电子与信息学报, 2020, 42(6): 1494-1501.

    9. [9]

      游凌, 李伟浩, 张文林, 王科人. 基于深度神经网络的Morse码自动译码算法. 电子与信息学报, 2020, 41(0): 1-6.

    10. [10]

      蒲磊, 冯新喜, 侯志强, 余旺盛. 基于自适应背景选择和多检测区域的相关滤波算法. 电子与信息学报, 2020, 41(0): 1-7.

    11. [11]

      姚敏立, 王旭健, 张峰干, 戴定成. 基于动态参数差分进化算法的多约束稀布矩形面阵优化. 电子与信息学报, 2020, 42(5): 1281-1287.

    12. [12]

      高东, 梁子林. 基于能量效率的双层非正交多址系统资源优化算法. 电子与信息学报, 2020, 42(5): 1237-1243.

    13. [13]

      陈根华, 陈伯孝. 复杂多径信号下基于空域变换的米波雷达稳健测高算法. 电子与信息学报, 2020, 42(5): 1297-1302.

    14. [14]

      归伟夏, 陆倩, 苏美力. 关于系统级故障诊断的烟花-反向传播神经网络算法. 电子与信息学报, 2020, 42(5): 1102-1109.

    15. [15]

      张斌, 吴浩明. 一种面向连接的快速多维包分类算法. 电子与信息学报, 2020, 42(6): 1526-1533.

    16. [16]

      赵国繁, 唐伦, 胡彦娟, 赵培培, 陈前斌. 面向可靠性的5G网络切片重构及映射算法. 电子与信息学报, 2020, 42(6): 1478-1485.

    17. [17]

      王威丽, 陈前斌, 唐伦. 虚拟网络切片中的在线异常检测算法研究. 电子与信息学报, 2020, 42(6): 1460-1467.

    18. [18]

      张凯, 陈彬, 许志伟. 基于多目标进化策略算法的DNA核酸编码设计. 电子与信息学报, 2020, 42(6): 1365-1373.

    19. [19]

      曹祥红, 李欣妍, 魏晓鸽, 李森, 黄梦溪, 李栋禄. 基于Dijkstra-ACO混合算法的应急疏散路径动态规划. 电子与信息学报, 2020, 42(6): 1502-1509.

    20. [20]

      牛莹, 张勋才. 基于变步长约瑟夫遍历和DNA动态编码的图像加密算法. 电子与信息学报, 2020, 42(6): 1383-1391.

  • 图 1  MLAPG算法中$\mu $取值和训练过程中所有样本对马氏距离均值对比示意图

    图 2  对数逻辑损失函数变化趋势

    图 3  在不同限制条件下正负样本对距离情况

    图 4  正负样本分布区域重叠示意图

    图 5  交换空间中样本分类情况

    图 6  VIPeR数据集上Equid-MLAPG算法与其他距离度量算法CMC曲线图

    图 7  CUHK01数据集上Equid-MLAPG算法与其他距离度量算法CMC曲线图

    表 1  CUHK03数据集上多种距离度量算法对比

    算法检测标注 人工标注
    第1匹配率(%)第5匹配率(%)第10匹配率(%)第1匹配率(%)第5匹配率(%)第10匹配率(%)
    XQDA46.2578.9088.55 52.2082.2392.14
    MLAPG51.1583.5592.0557.9687.0994.74
    Nullspace53.7083.0590.3058.9085.6092.45
    Equid-MLAPG52.4185.2592.8458.7289.0795.28
    下载: 导出CSV

    表 2  Marlet1501,DukeMTMC-reID数据集上多种距离度量算法对比

    算法Market1501数据集 DukeMTMC-reID数据集
    第1匹配率(%)平均准确率(%)第1匹配率(%)平均准确率(%)
    XQDA43.2322.00 31.3717.17
    MLAPG42.5221.4536.5819.10
    Nullspace54.6029.8045.0226.11
    Equid-MLAPG44.2524.3839.2521.54
    下载: 导出CSV
  • 加载中
图(7)表(2)
计量
  • PDF下载量:  56
  • 文章访问数:  790
  • HTML全文浏览量:  329
文章相关
  • 通讯作者:  周智恒, zhouzh@scut.edu.cn
  • 收稿日期:  2018-04-11
  • 录用日期:  2018-09-13
  • 网络出版日期:  2018-09-20
  • 刊出日期:  2019-02-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章