基于时空关注区域的视频行人重识别

• 作者: 胡晓强 魏丹 王子阳 沈江霖 任洪娟
• 来源期刊: 计算机工程
• 关键词: 行人重识别 关注区域 时间聚合 全局特征 特征融合
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 277-283
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057892

摘要

在执行视频行人重识别任务时,传统基于局部的方法主要集中于具有特定预定义语义的区域学习局部特征表示,在复杂场景下的学习效率和鲁棒性较差.通过结合全局特征和局部特征提出一种基于时空关注区域的视频行人重识别方法.将跨帧聚合的关注区域特征与全局特征进行融合得到视频级特征表示,利用快慢网络中的两个路径分别提取全局特征和关注区域特征.在快路径中,利用多重空间关注模型提取关注区域特征,利用时间聚合模型聚合所有采样帧相同部位的关注区域特征.在慢路径中,利用卷积神经网络提取全局特征.在此基础上,使用亲和度矩阵和定位参数融合关注区域特征和全局特征.以平均欧氏距离评估融合损失,并将三重损失函数用于端到端网络训练.实验结果表明,该方法在PRID 2011数据集上Rank-1准确率达到93.4％,在MARS数据集上mAP达到79.5％,识别性能优于SeeForst、ASTPN、RQEN等方法,并且对光照、行人姿态变化和遮挡具有很好的鲁棒性.