基于前景分割与多损失融合的行人重识别方法

作者：龚毓秀; 汪荣贵; 杨娟; 薛丽霞

来源：计算机应用研究, 2020, 1-7.

DOI：10.19734/j.issn.1001-3695.2020.05.0155

• 行人重识别
• 前景分割
• 多损失融合
• 权重自适应
• 背景约束损失 pedestrian re-identification
• foreground segmentation
• multi-loss ensemble
• weight adaptation
• background constraint loss

由于行人姿态、相机的角度等不同，导致出现行人未对齐，相同行人但背景迥异，以及图像中行人身体部件缺失等问题。针对这些亟需解决的问题，提出一种基于前景分割与多损失融合的行人重识别方法。首先对去除背景的前景图像进行局部分块，使用遮挡机制来调节三个局部特征向量，同时设计权重自适应方法，来解决身体部件缺失问题，增强局部特征的自适应性。然后利用背景约束损失来限制背景信息与全景信息之间的特征距离以再次减少背景信息的影响。最后融合全局损失、局部损失以及约束损失等多个损失，实现整个网络的联合优化。分别在包括Market1501,DukeMTMC-reID在内的主流评估数据集上进行实验，结果表明方法的有效性。

• 出版日期2020-11-12
• 单位合肥工业大学