融合多尺度对比池化特征的行人重识别方法

摘要：

行人重识别是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术.受行人姿态、遮挡、光照变化等因素的影响,传统的行人重识别方法中特征的表达能力有限,导致准确率降低,提出一种融合不同尺度对比池化特征的行人重识别方法.利用残差网络ResNet50提取行人图像的多尺度特征,在网络的不同层次上,通过对输入的特征进行全局平均池化和最大平均池化,将每组平均池化特征和最大池化特征相减,对相减得到的差异特征与最大池化特征进行相加,获得具有强判别性的对比池化特征.在此基础上,利用三元组损失和交叉熵损失联合优化模型,提高模型的泛化能力,同时采用重排序技术优化网络性能.实验结果表明,该方法在Market1501和DukeMTMC-reID数据集上的首位命中率分别达到96.41％和91.43％,平均精度均值为94.52％和89.30％,相比SVDNet、GLAD和PCB等方法,其行人重识别的准确率较高.

关键词：行人重识别、多尺度特征、对比池化特征、特征融合、深度学习

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省科技计划项目;四川省科技计划项目

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：292-298