一种多分支网络的行人重识别方法研究

摘要

行人重识别(ReID)是视频监控中的一项重要任务,由于复杂的背景杂波,变化的照明条件以及无法控制的相机设置,使其成为一项具有挑战性的任务.提出一种结合全局特征和局部特征的深度学习网络作为解决方案.该深度学习网络具有各种粒度的区分性信息,是一种多分支深度网络体系结构.其中一个分支用于全局特征表示,负责整张图片的全局信息提取,另外两个分支用于局部特征表示,局部分支将图像均匀地划分为几个条纹,并改变不同局部分支中的部分数量,以获得具有多个粒度的局部特征表示.这三个分支既有合作又有分工,前面三个低层权重是共享的,后面的高级层每层的权重是独立的,这样就能够像人类认知事物的原理一样即可以看到行人的整体信息又可以兼顾到多粒度的局部信息.在Market-1501数据集上实验结果表明,这个方法可以有效地对行人进行重识别任务.