融合Gabor特征与卷积特征的小样本行人重识别

傅桂霞,邹国锋^*,毛帅,潘金凤,尹丽菊

山东理工大学电气与电子工程学院, 山东 淄博 255049

出版日期:2021-06-20发布日期:2021-06-24

作者简介:傅桂霞(1985— ),女,山东潍坊人,讲师,博士,主要研究方向为行人身份识别和视觉跟踪技术. E-mail:fgx45101@163.com. *通信作者简介:邹国锋(1984— ),男,山东泰安人,讲师,博士,主要研究方向为行人身份识别和智能监控技术. E-mail:zgf841122@163.com.
基金资助:淄博市张店区校城融合发展资助项目(118228);国家自然科学基金资助项目(61801272);中国博士后基金资助项目(2019M652440)

Small sample person re-identification combining Gabor features and convolution features

FU Guixia, ZOU Guofeng^*, MAO Shuai, PAN Jinfeng, YIN Liju

College of Electrical &
Electronic Engineering, Shandong University of Technology, Zibo 255049, Shandong, China

Online:2021-06-20Published:2021-06-24

摘要/Abstract

摘要： 针对视频监控环境下采集的可用行人图像数量有限,以及非可靠数据标注导致监督学习算法性能下降等问题,提出一种融合Gabor特征和卷积特征的无监督小样本行人重识别方法。采用Gabor变换提取多尺度、多方向行人纹理和边缘信息,实现小样本行人图像特征级数据增强,进一步通过特征编码消除冗余信息,提升相似度比对效率。采用卷积自编码网络提取行人非线性深度卷积特征,避免监督学习算法对数据标注的依赖性。融合两种异构特征用于行人相似度比对,实现小样本下行人特征数据的拓展,同时实现行人特征判别能力增强。在Market-1501和DukeMTMC-reID数据集的试验中rank-1准确度分别达到74%和67.1%,证明所提网络架构能有效提升小样本行人重识别的性能。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2034