计算机应用

作者：刘保成, 朴燕, 唐悦

单位：长春理工大学 电子信息工程学院, 长春 130012

关键词：机器视觉,行人再识别,注意力机制,卷积神经网络,时间建模

基金：吉林省科技支撑项目（20180201091GX）；吉林省科技创新中心项目（20180623039TC）。

由于现实复杂情况中各种因素的干扰，行人再识别的过程中可能出现识别错误等问题。为了提高行人再识别的准确性，提出了一种基于时空正则化的行人再识别算法。首先，利用ResNet-50网络对输入的视频序列逐帧进行特征提取，将一系列帧级特征输入到时空正则化网络并产生对应的权重分数；然后，对帧级特征使用加权平均得到视频序列级特征，为避免权重分数聚集在一帧，使用帧级正则化来限制帧间差异；最后，通过最小化损失得到最优结果。在DukeMTMC-ReID和MARS数据集中做了大量的测试，实验结果表明，所提方法与Triplet算法相比能够有效提高行人再识别的平均精度（mAP）和准确率，并且对于人体姿势变化、视角变化和相似外观目标的干扰具有出色的性能表现。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期