-
题名集成空间注意力和姿态估计的遮挡行人再辨识
被引量:3
- 1
-
-
作者
杨静
张灿龙
李志欣
唐艳平
-
机构
广西多源信息挖掘与安全重点实验室(广西师范大学)
桂林电子科技大学计算机与信息安全学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2022年第7期1522-1532,共11页
-
基金
国家自然科学基金项目(61866004,61966004,61962007,61751213)
广西多源信息挖掘与安全重点实验室系统性研究课题基金项目(20-A-03-01)
+2 种基金
广西自然科学基金项目(2018GXNSFDA281009,2019GXNSFDA245018,2018GXNSFDA294001)
广西“八桂学者”创新研究团队项目(2018010768)
广西研究生教育创新计划项目(JXXYYJSCXXM-2021-007)。
-
文摘
自然场景下监控设备所拍摄的行人图片总是存在被各种障碍物遮挡的情况,因此遮挡是行人再辨识面临的一个很大的挑战.针对遮挡问题,提出了一种集成空间注意力和姿态估计(spatial attention and pose estimation, SAPE)的遮挡行人再辨识模型.为了同时兼顾全局特征和局部特征,实现特征的多细粒度表示,构建了多任务网络.通过空间注意力机制将感兴趣区域锚定到图像中未遮挡的空间语义信息,从全局结构模式中挖掘有助于再辨识的视觉知识;然后结合分块匹配的思想,将残差网络提取到的特征图水平均匀分割成若干块,通过局部特征的匹配增加辨识的细粒度;在此基础之上,改进姿态估计器去提取图像中行人的关键点信息,并与卷积神经网络抽取的特征图相融合,然后设置阈值去除掉遮挡区域,得到辨识性强的特征,以消除遮挡对再辨识结果的影响.在Occluded-DukeMTMC, Occluded-REID, Partial-REID这3个数据集上验证了SAPE模型的有效性,实验结果表明提出的针对遮挡的模型具有良好的效果.
-
关键词
深度学习
注意力机制
姿态估计
多任务网络
遮挡行人再辨识
-
Keywords
deep learning
attention mechanism
pose estimation
multitask network
occluded person re-identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-