上传者: 38557370
|
上传时间: 2022-02-25 17:37:43
|
文件大小: 1.64MB
|
文件类型: -
针对现存行人重识别算法不能较好地适应光照、姿态、遮挡等变化的问题, 提出一种基于特征融合与子空间学习的行人重识别算法。该算法对整幅行人图像提取方向梯度(HOG)直方图特征和HSV(Hue,Saturation,Value)直方图特征作为整体特征, 再在滑动窗口内提取色彩命名(CN)特征和两个尺度的尺度不变局部三元模式(SILTP)特征。为了使算法具有更好的尺度不变性, 对原图像进行两次下采样, 再对采样后的图像提取上述特征。提取特征后, 采用核函数分别将原始特征空间转换到非线性空间, 在非线性空间内学习一个子空间, 同时在子空间内学习一个相似性度量函数。在3个公开数据集上进行了实验, 结果表明, 所提算法可以较好地提高重识别率。