内容一致性行人重识别算法

行人重识别是指利用计算机视觉技术识别不同监控设备下的目标行人,该技术在公共安全与相册管理等方面应用较广。然而现有行人重识别算法在局部特征区域划分后出现离异值使该区域内容不一致,导致局部特征可区分性降低。提出一种基于局部区域特征选择的内容一致性行人重识别算法。将行人图像输入残差卷积神经网络取得张量,根据局部区域内容一致性从张量中选择基本单位特征向量,使用Softmax函数计算其局部区域概率重新生成局部区域,从而消除离异值,增加类间差异并减少类内差异。实验结果表明,与Spindel、PN-GAN等行人重识别算法相比,该算法的行人重识别准确率更高,其提取的行人特征可区分性和鲁棒性更好。