论文阅读笔记（十五）【CVPR2016】：Top-push Video-based Person Re-identification
Approach
特征由两部分组成：space-time特征和外貌特征。space-time特征由HOG3D【传送门】提取，其包含了空间梯度和时间动态信息；外貌特征采用颜色直方图【传送门】和LBP【传送门】特征，并对同一个行人的所有帧采用平均池化。
定义训练集 
，其中 
是从标记为 yi 的行人视频中提取的特征向量。定义两个特征向量的距离为：
，采用马氏距离，具体为：
其中 M 为正半定矩阵。
（1）采用Top-push距离学习提高Top-rank匹配
正样本对的距离小于所以相关负样本对的距离最小值，其中 ρ 设置为1：
该项损失函数：
减小同类样本间的距离，使得同类行人视频间更收敛：
top-push距离学习的目标函数，其中 α 属于 [0, 1]：
该方法称为Top-push distance learning（TDL）.
（2）优化算法：
① 计算样本对的外积：
② 计算马氏距离：
③ 目标函数改写：
④ 采用随机梯度下降法来计算半正定矩阵 M，在第 t 步，假设 M = Mt，定义三元组的索引 （i, j, k），当前梯度为：
⑤ 要求 Mt+1 保持半正定。对 Mt+1 进行特征分解：
对角矩阵 Dt+1 将负值清除，重新对 Mt+1 进行计算。
（3）算法流程：
（4）匹配：
定义待测行人的特征向量为：xp，参照行人的特征向量为：xg，则两者间的距离为：
Experiments
（1）实验设置：
① 数据集：PRID2011和iLIDS-VID
② 参数设置：λ = 1e-3，若损失函数减小，则在每次迭代以1.01倍进行扩大；若损失函数增大，则以0.5倍减小.
③ 特征提取：每一帧被resize为128*48，并被划分为8*16大小的patch，并包含50%的重叠，最终划分为155个patch来提取颜色直方图和LBP特征。所有样貌特征被concat为1705维的特征向量。HOG3D提取出的特征向量为1200维，最终合并为2905维。
（2）实验结果：
