基于特征融合的视频行人重识别算法

摘要

视频行人重识别是一种在多摄像机监控网络中识别特定行人的技术。相较于基于单帧图像的方法，该类算法可以提供更多的行人信息，但也存在着模型复杂、构建特征不对齐等问题。提出一种基于特征融合的视频行人重识别算法，算法包含全局分支和空间变换的局部分支。全局分支提取行人的全局特征，捕捉行人的粗粒度信息和整体的上下文信息。空间变换的局部分支将空间变换矩阵插入局部分支，对特征进行重新学习，学习有区分性的局部区域特性并缓解特征不对齐的问题。通过多分支结构，将局部特征和全局特征有效融合，并通过时间平均池化聚合特征加强特征的多元化，增强模型的鲁棒性。最终，利用交叉熵和软边界三元损失进行模型训练。在Mars和DukeMTMC-Video数据集上的测试结果验证了所提算法的可行性，其在Mars数据集的mAP、Rank-1分别达到82.25%、89.76%，具有较好的实用性。

关键词

行人重识别 / 深度学习 / 多损失函数 / 多分支结构 / 特征融合