摘要
针对复杂环境下行人细节特征不明显、姿态多变等情况造成的行人重识别(person-reidentifi-cation,ReID)算法精度不高 的问题,提出 了一种基于多粒度特征提取与特征融合的 ReID网络.首先,在主干网络输入和输出端采用两种粒度的划分方式获取图像的局部特征.其次,引入空间变换网络(spatial transformation network,STN)对输入全局图像进行空间对齐,对局部图像进行特征增强.最后,采用局部特征融合的方式来挖掘特征之间的关联信息,提升模型对相似样本的识别能力.实验结果表明,所提方法在多个数据集上均取得了良好的识别效果.在Market-1501数据集上的平均查准率(mean average precision,mAP)和首次查准率(Rank-1)分别为84.87％和94.45％,通过和目前主流的ReID算法相比,本文所提方法具有更优的识别效果.
基金项目
广东省重点领域研发计划(2018B010108006)
广东省重点领域研发计划(2020B090925002)
广州市科技计划(202007040007)
NETL
NSTL
维普
万方数据