王 迪,陈岳林,蔡晓东,王丽娟

(桂林电子科技大学 机械工程学院，广西 桂林541004)

基于随机森林和RankSVM优化的行人识别方法

王 迪,陈岳林,蔡晓东,王丽娟

(桂林电子科技大学 机械工程学院，广西 桂林541004)

针对卡口环境及大样本情况下，基于样本数据量大时对测试图像使用RankSVM排名结果会很靠后，提出了一种新的基于随机森林和RankSVM的行人识别方法RF-SVM(RondomForest SVM)。首先，单个训练样本提取多维特征向量，经K-means算法将所有训练样本的特征向量聚类，根据随机森林得到测试目标的预测类别，在此类范围内采用RankSVM算法，将相似度排名顺序作为行人识别结果。与传统方法相比，引用了随机森林预测分类的方法，避免了测试图像与全体样本进行相似度匹配，仅在预测到的类别中使用RankSVM，这样得到的既准确又相对单一的RankSVM排名结果更靠前，聚类算法结合随机森林起到一个对样本数据初筛的作用。基于VIPeR样本库的实验证明，该方法对行人姿态变化具有鲁棒性，相比MCC与RankSVM等文中实验列举的传统算法识别准确率高。

随机森林;RankSVM;RF-SVM;K-means算法

1 行人识别方法

行人识别是模式识别领域中活跃的研究方向之一。在行人检索和识别中，随着样本库的加大，检索识别一幅图像的速度和准确率都受到较大影响[1]。行人特征提取方面，RGB、HSV等颜色直方图信息被广泛使用，但易受到环境影响[2]。Gabor小波提取行人纹理特征，但是当提取不到准确的边界曲线时候，最终得到的纹理特征会有很大变化[3]。LBP提取纹理特征对光照有鲁棒性但是在行人姿态发生很大变化时[4]，仅从LBP提取到的纹理特征识别行人目标准确率会很低。……