计算机应用

作者：刘紫燕, 朱明成, 袁磊, 马珊珊, 陈霖周廷

单位：1. 贵州大学 大数据与信息工程学院, 贵阳 550025;2. 贵州理工学院 航空航天工程学院, 贵阳 550003

关键词：视频行人重识别,时空信息,全局特征,非局部关注,特征融合

基金：贵州省科学技术基金资助项目（黔科合基础［2016］1054）；贵州省联合资金资助项目（黔科合LH字［2017］7226号）；贵州大学2017年度学术新苗培养及创新探索专项（黔科合平台人才［2017］5788）；贵州省科技计划项目（黔科合基础[2017]1069）；贵州省教育厅创新群体重大研究项目（黔教合KY字[2018]026）；贵州省普通高等学校工程研究中心项目（黔教合KY字[2018]007）；贵州省科技计划重点项目（[2019]1416）。

现有视频行人重识别方法无法有效地提取视频连续帧之间的时空信息，因此提出一种基于非局部关注和多重特征融合的行人重识别网络来提取全局与局部表征特征和时序信息。首先嵌入非局部关注模块来提取全局特征；然后通过提取网络的低中层特征和局部特征实现多重特征融合，从而获得行人的显著特征；最后将行人特征进行相似性度量并排序，计算出视频行人重识别的精度。在大数据集MARS和DukeMTMC-VideoReID上进行实现，结果显示所提出的模型较现有的多尺度三维卷积（M3D）和学习片段相似度聚合（LCSA）模型的性能均有明显提升，平均精度均值（mAP）分别达到了81.4%和93.4%，Rank-1分别达到了88.7%和95.3%；同时在小数据集PRID2011上，所提模型的Rank-1也达到94.8%。

来源：2021年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第2期