基于图卷积与自注意力图池化的视频行人重识别方法

作者：姚英茂; 姜晓燕

来源：计算机应用, 2022, 1-11.

• 视频行人重识别
• 图卷积网络
• 自注意力图池化
• 加权损失函数策略
• 中心损失

针对跨相机网络视频中存在的遮挡、空间不对齐、背景杂波等因素导致视频行人重识别性能较低的问题，提出了一种基于图卷积与自注意力图池化的视频行人重识别方法。首先，通过区块关系图建模来挖掘视频中帧间不同区域的关联信息，利用图卷积网络（GCN）优化逐帧图像中的区域特征，以缓解遮挡和不对齐等问题。然后，通过自注意力图池化（SAGP）机制去除对于行人特征贡献较低的区域，以避免背景杂波区域的干扰。最后，提出了一种加权损失函数策略，中心损失用以优化分类学习结果，在线软挖掘(OSM)和类感知注意力(CAA)损失用以解决难样本挖掘过程中可用样本未被充分利用的问题。实验结果表明，在MARS数据集上，所提方法的平均精度精值（mAP）为85.7%,Rank-1达到90.2%；在DukeMTMC-VideoReID数据集上，该方法的mAP为95.8%,Rank-1达到96.7%，优于现有主流方法，如互注意力（MA）模型等。因此，所提方法能够较好地利用视频中的时空信息，提取更具判别力的行人特征，从而提高行人重识别任务的性能。

• 单位
  上海工程技术大学