Resumen

La reidentificación de personas tiene como objetivo resolver el problema de emparejar e identificar personas bajo la escena de cámaras cruzadas. Sin embargo, debido a los complicados cambios de las diferentes escenas de vigilancia, la tasa de error de la reidentificación de personas existe en gran medida. Para resolver este problema y mejorar la precisión de la reidentificación de personas, se propone un nuevo método integrado por un mecanismo de atención, aceleración de muestras duras y optimización de similitudes. En primer lugar, se introduce el mecanismo de atención de fusión de canal bilineal para mejorar el cuello de botella de ResNet50 y se aprende completamente la información de grano fino en el modo de fusión de canal de características de campo multirreceptivo, lo que mejora la robustez de las características de los peatones. Además, se diseña un mecanismo de selección de muestras duras basado en el modelo de optimización P2G, que puede simplificar y acelerar la selección de muestras duras. Las muestras duras se utilizan como objetos de optimización de similitud para realizar la compresión del modelo y la mejora de la capacidad de generalización. Por último, se diseña un módulo de fusión de similitud de características locales y globales, en el que los pesos de cada parte se aprenden a través del proceso de entrenamiento, y se percibe automáticamente la importancia de las partes clave. Los resultados experimentales sobre los conjuntos de datos Market-1501 y CUHK03 muestran que, en comparación con los métodos existentes, el algoritmo de este artículo puede mejorar eficazmente la precisión de la reidentificación de personas.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:reidentificación de personas, muestras duras, optimización de similitudes, modelo de optimización p2g, mecanismo de atención de fusión de canales bilineal, módulo de fusión global de similitud de características, mecanismo de selección de muestras duras, fusión de canales de características de campos multirreceptivos, diferentes escenas de vigilancia, aceleración de muestras duras
• Keywords:person reidentification, hard samples, similarity optimization, p2g optimization model, bilinear channel fusion attention mechanism, global feature similarity fusion module, hard sample selection mechanism, multireceptive field feature channel fusion, different surveillance scenes, hard sample acceleration