基于孪生网络和重排序的行人重识别

• 作者: 张玮 王洪元 金翠 陈首兵
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 行人重识别 孪生网络 κ互近邻 杰卡德距离 重排序
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 第七届中国数据挖掘会议(CCDM 2018)
• 页码范围: 3161-3166
• 页数: 6页
• 分类号: TP391.41
• 字数: 5056字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018041223

摘要

针对非重叠多摄像头下的行人重识别(Re-ID)易受到光照、姿势及遮挡等影响和实验过程中存在图像错误匹配的情况,提出一种基于孪生网络和重排序的行人重识别方法.首先,给定一对行人训练图像,孪生网络可以同时学习一个具有辨别力的卷积神经网络(CNN)特征和相似性度量,并预测两个输入图像的行人身份以及判断它们是否属于同一个行人;然后,通过后互近邻方法来降低图像错误匹配的情况;最后,将欧氏距离和杰卡德距离加权来对排序表进行重排序.在数据集Market1501和CUHK03上进行多次实验,实验结果显示在Market1501上Single Query情况下在图库中第一次就成功匹配的概率(Rank1)达到83.44％,平均精度均值(mAP)为68.75％,在CUHK03上singleshot情况下Rank1达到85.56％,mAP为88.32％,明显高于传统的基于特征表示和度量学习的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王洪元	常州大学信息科学与工程学院	77	372	11.0	14.0
2	张玮	常州信息职业技术学院电子与电气工程学院	27	76	5.0	7.0
3	金翠	常州大学信息科学与工程学院	3	14	2.0	3.0
4	陈首兵	常州大学信息科学与工程学院	4	16	2.0	4.0