计算机工程

作者：周东明, 张灿龙, 唐艳平, 李志欣

单位：1. 广西师范大学 广西多源信息挖掘与安全重点实验室, 广西 桂林 541004;2. 桂林电子科技大学 计算机与信息安全学院, 广西 桂林 541006

关键词：人体语义解析网络,局部注意力网络,行人再识别,局部对齐网络,深度学习

基金：国家自然科学基金（61866004，61966004，61962007）；广西自然科学基金（2018GXNSFDA281009，2019GXNSFDA245018，2018GXNSFDA29400）；广西“八桂学者”创新研究团队项目；广西多源信息挖掘与安全重点实验室基金（20-A-03-01）；广西研究生教育创新计划项目（XYCSZ2020071）。

受行人姿态变化、光照视角、背景变换等因素的影响，现有行人再识别模型通常对数据集中的行人分成若干块提取图像的局部特征进行辨识以提高识别精度，但存在人体局部特征不匹配、容易丢失非人体部件的上下文线索等问题。构建一种改进的行人再识别模型，通过将人体语义解析网络的局部特征进行对齐，增强行人语义分割模型对图像中行人任意轮廓的建模能力，利用局部注意力网络捕捉非人体部分丢失的语境线索。实验结果表明，该模型在Market-1501、DukeMTMC和CUHK03数据集上的平均精度均值分别达到83.5%、80.8%和92.4%，在DukeMTMC数据集上的Rank-1为90.2%，相比基于注意力机制、行人语义解析和局部对齐网络的行人再识别模型具有更强的鲁棒性和迁移性。

来源：2022年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第2期