基于联合字典对学习的跨视角行人重识别

针对不同相机视角间的域偏移问题,例如遮挡、光照、背景等域信息变化而引起的视觉差异,提出一种基于联合字典对学习的跨视角行人重识别算法。具体地,由于同一相机视角下的图像具有域相似性,因此通过低秩分解细化用于表示域信息的字典,即用一个字典表示相同相机视角下的域信息,而用另一个字典代表行人外观特征信息。该方法的分离思想主要是使来自同一相机视角下的所有行人图像在字典上享有相同的稀疏表示,以此分离每个视角下行人图像共享的域信息和行人特征信息。实验表明,所提方法的Rank-1值相较于次优算法在PRID2011、CUHK01和i_LIDS数据集上分别提高1.2%、1.8%和4.49%,识别性能与鲁棒性更优,以期为跨视角行人重识别提供参考与借鉴。