结合注意力机制和多属性分类的行人再识别

• 作者: 叶茂 林兰 王丽 贺春林 郑鑫
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 行人再识别 全局特征 局部特征 行人部件 注意力机制 属性信息
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 936-945
• 页数: 10页
• 分类号: TP391
• 字数: 7767字
• 语种: 中文

摘要

目的 在行人再识别中,经常出现由于行人身体部位被遮挡和行人图像对之间不对齐而导致误判的情况.利用人体固有结构的特性,关注具有显著性特征的行人部件,忽略带有干扰信息的其他部件,有利于判断不同摄像头拍摄的行人对是否为同一人.因此,提出了基于注意力机制和多属性分类的行人再识别方法.方法 在训练阶段,利用改进的ResNet50网络作为基本框架提取特征,随后传递给全局分支和局部分支.在全局分支中,将该特征作为全局特征进行身份和全局属性分类;在局部分支中,按信道展开特征,获取每层响应值最高的点,聚合这些点,分成4个行人部件,计算每个行人部件上显著性特征的权重,并乘以初始特征得到每个部件的总特征.最后将这4个部件的总特征都进行身份和对应属性的分类.在测试阶段,将通过网络提取的部位特征和全局特征串联起来,计算行人间的相似度,从而判断是否为同一人.结果 本文方法引入了Market-150 1_attribute和DukeMTMC-attribute数据集中的属性信息,并在Market-1501和DukeMTMC-reid数据集上进行测试,其中rank-1分别达到90.67％和80.2％,mAP分别达到76.65％和62.14％;使用re-ranking算法后,rank-1分别达到92.4％和84.15％,mAP分别达到87.5％和78.41％,相比近年来具有代表性的其他方法,识别率有了极大提升.结论 本文方法通过学习行人属性能更快地聚集行人部件的注意力,而注意力机制又能更好地学习行人部位的显著性特征,从而有效解决了行人被遮挡和不对齐的问题,提高了行人再识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶茂	电子科技大学计算机科学与工程学院	40	387	9.0	19.0
2	贺春林	西华师范大学计算机学院	67	221	8.0	12.0
3	王丽	西华师范大学计算机学院	22	9	2.0	3.0
4	郑鑫	西华师范大学计算机学院	4	0	0.0	0.0
5	林兰	电子科技大学计算机科学与工程学院	1	0	0.0	0.0