首页 > 论文 > 激光与光电子学进展 > 56卷 > 20期(pp:201501)

人体姿态引导的行人再识别研究

张良   车进  
  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

行人再识别过程中,由于捕获的人物图像表现出较大的姿态差异以及复杂的视角变化,从而增加了从 图像中学习和匹配特征的难度。针对这种现象,提出一种新的卷积神经网络 Pose-Part Convolution(PPC)来增 加特征提取和相似度度量的能力。 PPC 网络由 PAF(Part Affinity Fields)网络和 PAN(Part Attention)组成,利用 人体姿态特征完成行人再识别任务。 PAF 网络用于提取人体姿态特征,定位人体关键点。 PAN 网络利用人体 的关键点实现两幅图像中对应部件的特征提取与相似度匹配。在公开的数据集 Market1501 和 CUHK03 上进 行多次实验,实验结果表明,在 CUHK03 的 Rank-1 达到 60.4%, mAP 为 58.1,在 Market1501 的 Rank-1 达 到 93.2%, mAP 为 78.3%,明显高于 TriNet+Era, Part-aligned 等方法。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.201501

作者单位:

    宁夏大学
    宁夏大学物电学院

引用该论文

张良,车. 人体姿态引导的行人再识别研究[J].激光与光电子学进展,2019,56(20):201501.