监控管理中基于交叉姿态平滑的行人重识别

现有行人重识别缺乏对局部上下文信息之间的关联,且由于局部图像中存在许多与行人身份无关的信息,使用与全局图像相同的标签去学习局部信息会产生许多噪声。为缓解以上问题,提出一种基于交叉姿态平滑的行人重识别方法。整个方法分为两个模块,提出一种关键点语义交叉划分策略获取具有交叉语义关联的局部上下文信息;设计一个基于相对姿态上下文的局部伪标签平滑方法,使模型学习到更多局部区域的细微姿态差异。实验结果表明,所提方法在公开数据集上的表现优于其它最新方法,有效提升了模型对行人姿态细微变化的鲁棒性与鉴别能力。