计算机工程

作者：张雯欣, 刘玉杰, 王兆勇, 孙浩淼, 李宗民

单位：1. 中国石油大学(华东)计算机科学与技术学院, 山东 青岛 2665802. 山东石油化工学院大数据与基础科学学院, 山东 东营 257061

关键词：行人搜索,行人重识别,原型,自适应更新,分布稀疏损失

基金：国家重点研发计划(2019YFF0301800); 国家自然科学基金(61379106); 山东省自然科学基金(ZR2013FM036); 山东省自然科学基金(ZR2015FM011)

行人搜索旨在全景图像中对目标行人进行定位和识别, 可以看作目标检测和行人重识别任务的结合。然而, 不同行人的着装相似性和同一行人在多变环境条件下的外观差异, 增加了行人身份辨别的难度。为了解决这一问题, 提出了一个原型分散网络, 通过调整原型的分布情况, 增强网络的辨别能力。首先, 设计了一个原型增强模块, 通过原型特征指导注意力网络的学习并利用K最大池化方法保留更多重要的行人特征, 借助原型的指导使网络关注更重要的区域, 学习细粒度的行人特征, 进而提高网络对相似行人的辨别能力。其次, 提出一种自适应更新的原型学习策略, 以在原型特征更新时保留更多检测精准的候选框信息。最后, 通过分布稀疏损失保证所存储的原型尽可能分散, 从而确保网络能识别到行人的可区分性特征。最终在公共的行人搜索数据集CUHK-SYSU和PRW上进行了实验, 该方法在平均精度均值(mAP)上分别达到了95.1%和49.8%, 在Top-1准确率上分别达到了95.9%和88.5%, 有效地提高了行人搜索的准确率。

来源：2025年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第1期