基于多粒度匹配的行人搜索算法

杨玉婷，苗夺谦

（1.同济大学 电子与信息工程学院,上海 201804;2.同济大学 嵌入式系统与服务计算教育部重点实验室,上海 201804）

行人搜索旨在从跨摄像头下找到与待查询目标行人类别相同的行人在场景中的位置，与行人重识别(re-ID)[1]任务相比，它包含从画廊(gallery)中生成行人边界框和匹配行人两个过程。实际应用获取的图像往往是包含场景信息的完整图像，没有手动标注的行人位置信息，导致现有的re-ID方法无法直接使用。而行人搜索更适合于实际应用，例如视频监视、查找罪犯，跨摄像机人员跟踪以及人机交互等。由于人体姿势、场景照明、行人遮挡、分辨率、背景杂乱等因素的复杂变化，使得行人搜索任务具有挑战性，近年来引起了越来越多的研究关注。现有的行人搜索方法将这项任务分为行人检测和行人重识别两个子任务。在一个端到端的多任务框架中处理两个子任务(单阶段方法)，或者通过级联行人检测器和行人re-ID特征提取器（两阶段方法），训练两个独立的网络分别处理两个子任务。

目前,现有的单阶段行人搜索方法大多是基于Faster R-CNN[2]的端到端框架,虽然该多任务框架是高效且易于训练的,但是存在行人检测和re-ID 分支特征优化目标冲突的问题。检测分支旨在从画廊中获取边界框(bounding boxes),并对边界框进行二分类,只区分行人和背景,而不区分行人的具体类别,其关注的是行人之间的粗粒度共性特征；而re-ID 分支是将检测出的各个疑似目标行人与查询行人进行匹配的过程,其关注的是不同行人之间的细粒度个性特征。……