多粒度特征融合的行人再识别研究

摘要：

结合全局特征和局部特征是提高行人再识别精度的一种途径.现有的算法通常从人体特定的语义区域提取特征,由于没有将人体结构考虑在内,增加了学习难度,在差异较大的场景下效率和鲁棒性较差.为了较好地解决上述问题,本文提出一种融合了全局特征、局部特征以及人体结构特征的多粒度特征融合的行人再识别算法.本算法不引入任何人体结构先验知识,在特征提取方面,采用均值池化和最大池化对特征图加权得到强辨识性的全局特征.对特征图切片得到局部特征,在原有局部特征的基础上,引入局部相对特征作为人体结构特征.在度量方面,采用三元组损失与ID损失在不同尺度下的多级监督机制.在Market1501、DukeMTMC-reID的实验表明,算法的Rank-1指标相比于部分卷积基线(PCB)方法提升了1.3％、3.9％,平均精度均值(mAP)提升了5.1％、9.8％.

关键词：全局特征、局部特征、人体结构特征、特征融合、深度学习、卷积神经网络、行人再识别

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金No.61861037

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：555-563