计算机应用

作者：刘紫燕, 万培佩

单位：贵州大学 大数据与信息工程学院, 贵阳 550025

关键词：行人重识别,特征学习,注意力机制,数据增强,显著特征

基金：国家自然科学基金资助项目（61863006）；贵州省联合资金资助项目（黔科合LH字［2017］7226）；贵州省科学技术基金资助项目（黔科合基础［2016］1054）；贵州省科技计划重点项目（20191416）；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）。

针对真实环境中非重叠多摄像头的行人重识别受到不同摄像机场景、视角、光照等因素的影响导致行人重识别精度低的问题，提出一种基于注意力机制的行人重识别特征提取方法。首先，使用随机擦除法对输入的行人图像进行数据增强，提高网络的鲁棒性；然后，通过构建自上而下的注意力机制网络增强空间像素特征的显著性，并将注意力机制网络嵌入ResNet50网络提取整个行人的显著特征；最后，将整个行人的显著特征进行相似性度量并排序得到行人重识别的结果。该注意力机制的行人重识别特征提取方法在Market1501数据集上Rank1达到88.53%，平均精度均值（mAP）为70.70%；在DukeMTMC-reID数据集上Rank1达到77.33%，mAP为59.47%。所提方法在两大行人重识别数据集上性能都有明显提升，具有一定的应用价值。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期