基于时空正则化的视频序列中行人的再识别

• 作者: 刘保成 唐悦 朴燕
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 机器视觉 行人再识别 注意力机制 卷积神经网络 时间建模
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 2019年中国计算机学会人工智能会议(CCFAI2019)论文
• 页码范围: 3216-3220
• 页数: 5页
• 分类号: TP391.41
• 字数: 5082字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019051084

摘要

由于现实复杂情况中各种因素的干扰,行人再识别的过程中可能出现识别错误等问题.为了提高行人再识别的准确性,提出了一种基于时空正则化的行人再识别算法.首先,利用ResNet-50网络对输入的视频序列逐帧进行特征提取,将一系列帧级特征输入到时空正则化网络并产生对应的权重分数;然后,对帧级特征使用加权平均得到视频序列级特征,为避免权重分数聚集在一帧,使用帧级正则化来限制帧间差异;最后,通过最小化损失得到最优结果.在DukeMTMC-ReID和MARS数据集中做了大量的测试,实验结果表明,所提方法与Triplet算法相比能够有效提高行人再识别的平均精度(mAP)和准确率,并且对于人体姿势变化、视角变化和相似外观目标的干扰具有出色的性能表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朴燕	长春理工大学电子信息工程学院	44	138	6.0	11.0
2	刘保成	长春理工大学电子信息工程学院	2	0	0.0	0.0
3	唐悦	长春理工大学电子信息工程学院	2	0	0.0	0.0