摘要：当前的行人再识别在度量学习上采用马氏距离相似度函数,该相似度函数只与特征差分空间有关,忽略了一对行人图像中每个个体的外观特征,针对上述问题,提出了通过学习一个双向关系相似度函数（Bidirectional Relationship Similarity Function,BRSF）,来计算一对行人图像的相似度.BRSF不但描述了一对行人图像的互相关关系,而且关联了一对行人图像的自相关关系.该文利用KISSME（Keep It Simple and Straightforward Metric）算法的思想进行相似度函数学习,把一对样本特征的自相关关系和互相关关系用高斯分布来表示,通过把最终高斯分布的比值转换为BRSF的形式,得到一个对背景、视角、姿势的变化具有鲁棒性的相似度函数.在VIPe R,QMUL GRID两个行人再识别数据集上的实验结果表明,本文算法具有较高的识别率,其中在VIPe R数据集上,Rank1达到了53.21%.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社