基于三维卷积与自注意力机制的视频行人重识别

摘要

针对视频行人重识别通常存在行人姿势多变、特征融合损失和遮挡干扰等问题，本文提出了三维卷积与自注意力机制融合的网络模型。该模型首先通过三维卷积获取相邻帧之间的短期运动特征和局部细节特征；其次提出多分支结构的跨尺度融合模块，融合时间和语义维度的多阶段特征；最后利用自注意力机制模块捕获长时信息。本文所提网络在3个经典公开数据集上实验，并与其他方法进行对比，实验结果表明，该网络可有效利用视频长、短时信息，获得较优性能。

关键词

计算机应用 / 视频行人重识别 / 时序信息 / 三维卷积 / 自注意力机制