基于特征融合网络的行人重识别

• 作者: 方琰 沙涛 种衍杰
• 来源期刊: 计算机系统应用
• 关键词: 行人重识别 卷积神经网络 LOMO特征 特征融合网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 127-133
• 页数: 7页
• 字数: 5146字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006731

摘要

行人重识别旨在大规模的分布式监控系统中进行行人目标匹配,紧凑且具有鲁棒性的特征表达对其至关重要,为此,本文提出了一种基于特征融合网络的特征提取方法.首先,利用STEL算法增强了LOMO特征对背景噪声的抗噪性能,利用KPCA算法降低维度以便于后续融合.随后,本文探索了手工特征和CNN特征的互补性,将改进LOMO特征融入至卷积神经网络之中,得到了区分度更高的融合特征.在VIPeR和CUHK01数据集上的测试结果表明,本文融合特征的区分度明显高于单一特征和级联特征,Rank-1较级联特征分别提高了3.73％ 和2.36％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沙涛	南京理工大学电子工程与光电技术学院	13	78	4.0	8.0
2	种衍杰	南京理工大学电子工程与光电技术学院	1	3	1.0	1.0
3	方琰	南京理工大学电子工程与光电技术学院	1	3	1.0	1.0