基于图模型与加权损失策略的视频行人重识别研究

TP391.41; 针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究,提出了一种基于图模型的视频行人重识别方法,有效利用了视频中的时序信息,实现跨帧及帧内区域的信息交互.具体来说,利用跨帧分块区域间的关联信息建立区域节点间的固有关系,并进行特征传播迭代更新区域信息.另一方面,在度量学习过程中,提出了一种加权损失函数策略,这个方法将先前挖掘策略中的二进制分配法(即丢弃或保留该样本)优化为连续分数分配法,解决了可用样本未被有效利用的问题.将模型在 MARS 和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了提出方法的有效性....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 39; no. 2; pp. 598 - 603
Main Authors 徐志晨, 王洪元, 齐鹏宇, 欣子豪
Format Journal Article
LanguageChinese
Published 常州大学 计算机与人工智能学院 阿里云大数据学院,江苏 常州213164 2022
Subjects
视频行人重识别;深度学习;图模型;加权损失策略;注意力机制
Online AccessGet full text
ISSN1001-3695
DOI10.19734/j.issn.1001-3695.2021.06.0235

Cover

More Information
Summary:TP391.41; 针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究,提出了一种基于图模型的视频行人重识别方法,有效利用了视频中的时序信息,实现跨帧及帧内区域的信息交互.具体来说,利用跨帧分块区域间的关联信息建立区域节点间的固有关系,并进行特征传播迭代更新区域信息.另一方面,在度量学习过程中,提出了一种加权损失函数策略,这个方法将先前挖掘策略中的二进制分配法(即丢弃或保留该样本)优化为连续分数分配法,解决了可用样本未被有效利用的问题.将模型在 MARS 和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了提出方法的有效性.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2021.06.0235