基于特征融合网络的行人重识别

作者：种衍杰; 方琰; 沙涛^*

来源：计算机系统应用, 2019, 28(01): 127-133.

DOI：10.15888/j.cnki.csa.006731

• 行人重识别
• 卷积神经网络
• LOMO特征
• 特征融合网络

行人重识别旨在大规模的分布式监控系统中进行行人目标匹配,紧凑且具有鲁棒性的特征表达对其至关重要,为此,本文提出了一种基于特征融合网络的特征提取方法.首先,利用STEL算法增强了LOMO特征对背景噪声的抗噪性能,利用KPCA算法降低维度以便于后续融合.随后,本文探索了手工特征和CNN特征的互补性,将改进LOMO特征融入至卷积神经网络之中,得到了区分度更高的融合特征.在VIPeR和CUHK01数据集上的测试结果表明,本文融合特征的区分度明显高于单一特征和级联特征, Rank-1较级联特征分别提高了3.73%和2.36%.

• 单位
  南京理工大学