基于连接注意力的行人重识别特征提取方法

摘要：

全民安全意识的逐步提高使得智能监控设备遍布各大公共场所,行人重识别作为视频分析的关键技术之一,被广泛应用于智能安防、自动驾驶等领域.为了提高真实环境下跨摄像头行人检索的识别精度,提出一种基于注意力机制的行人重识别特征提取方法.在数据处理阶段,考虑不同训练数据量下识别效果存在差异的问题,对行人图片采用自动增强方法进行数据增强,以提高数据集规模.在特征提取阶段,将连接注意力模块与ResNet50残差网络相结合构成特征提取网络,提取显著性更强的行人特征.在损失优化阶段,采用三元组损失和圆损失对行人特征进行优化并完成距离度量,最终根据距离的远近得到行人排序结果.实验结果表明,在Market1501数据集上该方法的Rank-1值和mAP值分别达到95.90％和89.66％,在DukeMTMC-reID数据集上Rank-1值和mAP值分别达到91.16％和81.24％,在MSMT17数据集上Rank-1值和mAP值分别达到84.37％和62.73％,与现有经典行人重识别方法PCB、MGN、Pyramid、OSNet等相比,其网络识别性能评价指标均有明显提升.

关键词：行人重识别、深度学习、卷积神经网络、注意力机制、自动增强

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;国家自然科学基金;郑州市重大科技攻关项目

在线出版日期：2022-09-16（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：220-226