基于深度学习编码模型的人员再识别方法

摘要

本发明涉及一种基于深度学习编码模型的人员再识别方法，包括以下步骤：首先，利用非监督RBM网络采用自底向上的方式对初始SIFT特征进行编码得到视觉词典；其次，采用自顶向下的方式为整个网络参数进行有监督微调；然后，就是利用误差反向传播对初始视觉词典进行有监督微调，获取视频图像新的图像表达方式，也就是图像深度学习表示向量；最后，利用图像深度学习表示向量训练线性SVM分类器用以对行人进行分类识别。本发明有效地解决了传统特征提取技术因监控视频质量较差，视角和光照差异引起效果不好、鲁棒性不强的问题及传统分类器的高运算复杂度，有效地提高了人员目标检测的准确度和特征表达的性能并能高效地识别出监控视频中的行人。