针对形变与遮挡问题的行人再识别

目的 姿态变化和遮挡导致行人表现出明显差异，给行人再识别带来了巨大挑战。针对以上问题，本文提出一种融合形变与遮挡机制的行人再识别算法。方法 为了模拟行人姿态的变化，在基础网络输出的特征图上采用卷积的形式为特征图的每个位置学习两个偏移量，偏移量包括水平和垂直两个方向，后续的卷积操作通过考虑每个位置的偏移量提取形变的特征，从而提高网络应对行人姿态改变时的能力；为了解决遮挡问题，本文通过擦除空间注意力高响应对应的特征区域而仅保留低响应特征区域，模拟行人遮挡样本，进一步改善网络应对遮挡样本的能力。在测试阶段，将两种方法提取的特征与基础网络特征级联，保证特征描述子的鲁棒性。结果 本文方法在行人再识别领域3个公开大尺度数据集Market-1501、DukeMTMC-reID和CUHK03（包括detected和labeled）上进行评估，首位命中率Rank-1分别达到89.52%、81.96%、48.79%和50.29%，平均精度均值（mean average precision，mAP）分别达到73.98%、64.45%、43.77%和45.58%。结论 本文提出的融合形变与遮挡机制的行人再识别算法可以学习到鉴别能力更强的行人再识别模型，从而提取更加具有区分性的行人特征，尤其是针对复杂场景，在发生行人姿态改变及遮挡时仍能保持较高的识别准确率。

Person re-identification based on deformation and occlusion mechanisms