多层次细粒度特征三分支网络行人重识别方法

贺南南，张荣国，胡 静，李建伟，李晓波

(太原科技大学 计算机科学与技术学院，太原 030024)

行人重识别在监控、社会安全等方面发挥重要的作用，由于监控环境下不同摄像机视角的变化、人体姿态的差异以及光照和遮挡等因素的影响，传统的表示方法达不到更高的识别效果。因此，要引入更强的表示方法，目前一些深度识别方法[1-3]已经可以达到很高的识别率。

特征提取方面有基于全局特征和局部特征的方法。全局特征学习能够在不同行人中获得显著的信息，例如行人穿着衣服的颜色，来表示行人的身份。然而，随着行人数据集越来越复杂，仅仅使用全局特征并不能达到性能要求。提取更加复杂的局部特征是提高行人识别准确率的一种方法。通过定位行人身体部位的某个局部区域，提取这些区域的局部特征，只对某个区域的关注，使得可以更好的学习到该区域的有效特征。学习局部特征的一个重要前提是对局部的定位要准确，利用人体姿态关键点进行局部特征对齐是一种常见的方法[4]。这种方法通常需要额外的身体姿势信息，而且姿态估计和行人检索之间也会存在偏差。

基于以上问题，本文提出了一种多层次细粒度特征学习的三分支网络行人重识别方法，主要贡献体现在以下三个方面：

(1)构建多层次细粒度三分支网络MFTN(Multilevel Fine-grained Three Branch Network)结构。以ResNet50[5]为主干网络分别构建中层全局分支、多层次全局分支和局部分支。中层特征分支提取更注重细节的中层特征，多层次全局分支提取融合后的特征，局部分支提取局部特征。……