一种基于多特征自适应测度学习的在线目标匹配方法

本发明公开了一种基于多特征自适应测度学习的在线目标匹配方法，该技术领域属于智能视频监控技术。

针对现有线下距离测度学习算法在测试样本大幅增多后，由于最初习得的测度矩阵不能很好地反映当前状况，导致匹配准确率大幅下降的问题，本发明提出了一种解决方案。该方法通过自适应学习合适的测度矩阵，以获得较佳的相似性度量距离函数，对目标进行匹配。该过程分为三个阶段：初始线下训练、在线目标匹配和测度更新。

本发明有效地解决了现有线下距离测度学习算法在新数据大幅增多而偏离初始训练集的情况下出现的匹配准确率大幅下降的问题，从而保证了匹配模型的良好扩展性。

此外，本发明可以自适应地更新和修正测度矩阵。在初始训练时，对已标签样本数量的要求也低于现有算法，这大大减少了人工标记的工作量。

本发明公开一种基于多特征自适应测度学习的在线目标匹配方法，属于智能视频监控技术领域。针对现有的线下距离测度学习算法在测试样本大幅增多后，由于最初习得的测度矩阵不能很好地反映当前状况造成的匹配准确率大幅下降的问题，本发明通过自适应学习合适的测度矩阵得到较佳的相似性度量距离函数，对目标进行匹配，分为初始线下训练、在线目标匹配和测度更新三个阶段。本发明有效地解决了现有的线下距离测度学习算法在新数据大幅增多而偏离初始训练集的情况下出现的匹配准确率大幅下降的问题，保证了匹配模型良好的扩展性。本发明可以自适应地更新、修正测度矩阵，初始训练时对已标签样本数量的要求也低于现有算法，大大减少了人工标记的工作量。