计算机工程

作者：魏紫薇, 屈丹, 柳聪

单位：1. 郑州大学 软件学院, 郑州 450001;2. 战略支援部队信息工程大学 信息系统工程学院, 郑州 450001

关键词：行人重识别,深度学习,卷积神经网络,注意力机制,自动增强

基金：国家自然科学基金（61673395，62171470）；郑州市重大科技攻关项目（188PCXZX773）。

全民安全意识的逐步提高使得智能监控设备遍布各大公共场所，行人重识别作为视频分析的关键技术之一，被广泛应用于智能安防、自动驾驶等领域。为了提高真实环境下跨摄像头行人检索的识别精度，提出一种基于注意力机制的行人重识别特征提取方法。在数据处理阶段，考虑不同训练数据量下识别效果存在差异的问题，对行人图片采用自动增强方法进行数据增强，以提高数据集规模。在特征提取阶段，将连接注意力模块与ResNet50残差网络相结合构成特征提取网络，提取显著性更强的行人特征。在损失优化阶段，采用三元组损失和圆损失对行人特征进行优化并完成距离度量，最终根据距离的远近得到行人排序结果。实验结果表明，在Market1501数据集上该方法的Rank-1值和mAP值分别达到95.90%和89.66%，在DukeMTMC-reID数据集上Rank-1值和mAP值分别达到91.16%和81.24%，在MSMT17数据集上Rank-1值和mAP值分别达到84.37%和62.73%，与现有经典行人重识别方法PCB、MGN、Pyramid、OSNet等相比，其网络识别性能评价指标均有明显提升。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期