摘要

在监控系统中行人经常会被各种障碍物遮挡,使得遮挡行人重识别仍然是一个长期存在的挑战。最近一些基于transformer和外部语义线索的方法都改善了特征的表示和相关性能,但仍存在表示弱和语义线索不可靠等问题。为解决上述问题,提出了一种基于transformer的新方法。首先,引入了一种有效的掩膜生成方式,可靠的掩膜可以使模型不依赖外部语义线索并实现自动对齐。其次提出了一种基于平均注意力分数的序列重建模块,可以更有效的关注前景信息。第三,提出了局部增强模块,获得了更鲁棒的特征表示。最后,比较了所提方法和现有的各种方法在Occluded-Duke, Occluded-ReID, Partial-ReID,Market-1501数据集上的性能。其中,Rank-1 准确率分别达到了 72.3%、84.8%、86.5%和95.6%,mAP精度分别为62.9%、83.2%、76.4%和89.9%,实验结果表明所提模型性能较其他先进网络有所提升。