基于深度特征和遷移學(xué)習(xí)的行人再識別

吳珊

摘要

本文提出了利用卷積神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)行人的深度特征，可以保留更多有價(jià)值的信息，利用簡單有效的余弦距離方法計(jì)算每個圖像對的相似度。我們的方法可以應(yīng)用于不同的場景，在不同的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，都能達(dá)到較好的結(jié)果。

【關(guān)鍵詞】行人再識別 遷移學(xué)習(xí) 深度學(xué)習(xí)距離度量

1 介紹

行人再識別是指在非重疊的多攝像機(jī)監(jiān)控系統(tǒng)中，對不同場景中的行人進(jìn)行匹配的技術(shù)。

多年來，由于其在視頻監(jiān)控中的重要應(yīng)用，受到了人們的廣泛關(guān)注。行人再識別第一個關(guān)鍵技術(shù)是特征表示，已經(jīng)提出了幾種有效的方法，例如HOG、ELF、LBP和SIFT。

另外一個關(guān)鍵技術(shù)是相似性度量，主要的方法有包括交叉視圖二次判別分析（XQDA）、歐氏距離度量和余弦距離度量。

上述行人再識別的方法大多數(shù)的前提是假定在相似的場景中獲取訓(xùn)練和測試樣本，數(shù)據(jù)分布是相同的，但是這種假設(shè)并不適用于實(shí)際的應(yīng)用場景中。為了解決出現(xiàn)的問題，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的特征網(wǎng)（FN），特征網(wǎng)絡(luò)提取的深度特征是64維，噪音少并且有價(jià)值的信息多，用于學(xué)習(xí)行人特征對交叉數(shù)據(jù)集的視覺識別，然后利用余弦距離進(jìn)行相似度量的學(xué)習(xí)，減少了處理時間，同時提高了精確度。

2 深度特征表示的學(xué)習(xí)方法

方法中的框架是在已經(jīng)趨于成熟的VGG-16網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行稍加改進(jìn)，根據(jù)要求對其中的參數(shù)進(jìn)行微調(diào)。在深度特征表示框架中首先對這些訓(xùn)練的行人圖像進(jìn)行圖像增強(qiáng)的操作，然后利用參數(shù)已經(jīng)微調(diào)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行深度特征提取，最后選用余弦距離進(jìn)行相似性度量。

特征網(wǎng)絡(luò)FN的輸入包括5個卷積層和2個全連接層，卷積層包括一個的conv、一個Batch Normalization層和一個ReLU層，使用BN策略主要是加速收斂，并且可以避免手動調(diào)整權(quán)重和偏差的初始化問題。全連接層包括一個FC、一個ReLU層和Dropout，使用Dropout策略主要是在最后的一個全連接層前去除一些神經(jīng)元，使最終提取的特征維數(shù)小，并且含有的有價(jià)值的信息多，表1列出了特征網(wǎng)絡(luò)FN的框架細(xì)節(jié)（其中N：訓(xùn)練數(shù)據(jù)集的數(shù)量，conv：卷積層，F(xiàn)C：全連接層，BN：Batch Normalization策略，ReLU：（Rectifiedlinear unit）修正線性單元）。

2.2 余弦距離方法

本文采用余弦距離作為距離度量的方法，定義A=（α₁，α₂，…，α₆₄），B=（b₁，b₂，…，b₆₄）分別來代表從兩張圖像中利用特征網(wǎng)絡(luò)提取的特征，兩張圖像的相似性可以表示為（其中值越大就代表兩張圖像的相似性越高）：

3 實(shí)驗(yàn)過程及結(jié)果

3.1 實(shí)驗(yàn)過程

深度特征表示方法在CUHK03數(shù)據(jù)集、DukeMTMC數(shù)據(jù)集、以及Market-1501數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)具體的過程是在DukcMTMC數(shù)據(jù)集上進(jìn)行將近60，000次的網(wǎng)絡(luò)訓(xùn)練迭代，消耗的時間將近20多個小時，將訓(xùn)練好的模型應(yīng)用到CUHK03數(shù)據(jù)集和Market-1501數(shù)據(jù)集，并且微調(diào)參數(shù)，各個數(shù)據(jù)集上的一些參數(shù)配置如表2所示。

3.2 實(shí)驗(yàn)結(jié)果

在行人CLJHK03數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果和一些常用的方法進(jìn)行了比較，例如KISSME、LOMO-XQDA、FPNN和RME方法，在數(shù)據(jù)集CUHK03上排名為1的匹配率達(dá)到了77.3%，在排名為5的匹配率達(dá)到了94.6%，即挑選與待測圖片相似度高的前5個人取得了很高的正確率，比其他方法的精確度要高很多，從CMC曲線圖中顯示的實(shí)驗(yàn)結(jié)果證明該方法是可行的。

在行人DukcMTMC數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果和一些常用的方法作了對比，例如KISSME、eSDC、KMFA和NLML方法。在數(shù)據(jù)集DukeMTMC上排名為I的匹配率達(dá)到了80.7%，遠(yuǎn)遠(yuǎn)高于與其相比較的方法。

在行人Market-1501數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果和一些常用的方法作了對比，例如mFillter、LADF、KISSME、PCCA方法。在數(shù)據(jù)集Market-1501上排名為1的匹配率達(dá)到了55.17%，精確度和其他方法比較也是略高的。

4 總結(jié)

本文將遷移學(xué)習(xí)應(yīng)用于行人再識別的研究中，提出了一種有效的行人特征提取方法，并利用卷積神經(jīng)網(wǎng)絡(luò)自動收集有價(jià)值的信息，提取的特征是低維的。此外，采用簡單但有效的余弦距離作為測量方法，對兩幅圖像的相似度進(jìn)行度量。在三個具有挑戰(zhàn)性的行人再識別數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明了方法的魯棒性。

參考文獻(xiàn)

[1]Kostinger M，Hirzer M，Wohlhart P，etal.Large scale metric learning fromequivalence constraints[C].ComputerVision and Pattern Recognition.IEEE，2012：2288-2295.

[2]Zheng W S，Gong S，Xiang T.Personre-identification by probabilisticrelative distance comparison[C].Computer Vision and PatternRecognition.IEEE，2011：649-656.