山东大学学报(工学版)

作者：傅桂霞,邹国锋,毛帅,潘金凤,尹丽菊

单位：山东理工大学电气与电子工程学院, 山东 淄博 255049

关键词：Gabor变换,特征编码,卷积自编码网络,无监督学习,小样本行人重识别,

基金：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)

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。

来源：2021年第3期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2021年第3期