结合注意力和纹理特征增强的行人再识别

摘要

针对现有行人再识别算法在处理图像分辨率低、光照差异、姿态和视角多样等情况时,准确率低的问题,提出了基于空间注意力和纹理特征增强的多任务行人再识别算法。算法设计的空间注意力模块更注重与行人属性相关的潜在图像区域,融入属性识别网络,实现属性特征的挖掘;提出的行人再识别网络的纹理特征增强模块通过融合不同空间级别所对应的全局和局部特征,减弱了光照、遮挡等对行人再识别的干扰;最后通过多任务加权损失函数将属性特征和行人特征巧妙融合,避免了由属性异质性造成的再识别精度损失。实验结果表明,该方法在Market-1501和DukeMTMC-reID两大主流行人再识别数据集上的平均精度分别可以达到81.1%和70.1%。

关键词： 空间注意力; 纹理特征增强; 行人属性; 行人再识别

行人再识别旨在识别跨越不同监控摄像机下的同一行人目标,可广泛应用于视频监控、智能安防等领域中,如可疑人员的追踪、特定人群的轨迹分析等。但由于不同摄像机下不同时间的图像分辨率差异、光照影响、姿态和视角多样等问题,行人再识别仍然是一个具有较高研究价值和挑战性的问题。