基于全局引導的行人序列重識別

摘要：行人序列重識別是對同一個(gè)人進(jìn)行跨攝像頭識別，要實(shí)現跨攝像頭行人精確識別必須充分利用行人序列的時(shí)空線(xiàn)索。為了解決這個(gè)問(wèn)題，本文提出了一種基于全局引導的行人序列重識別，首先利用ResNet-50提取行人序列特征；然后用全局引導網(wǎng)絡(luò )將行人序列特征分解為全局特征和局部特征，并提取行人序列全局特征和局部特征的時(shí)間相關(guān)性；最后對行人序列特征PCA降維后用JS散度計算相似度。實(shí)驗結果表明本文算法在跨攝像頭行人序列重識別中識不僅識別率高，而且效率高。

關(guān)鍵詞：行人序列重識別；ResNet-50；全局引導；PCA

1 介紹

行人序列重新識別是跨攝像頭識別同一個(gè)人，是智能監控和平安承受研究的熱門(mén)課題。與單張行人圖片相比，行人序列提供更全面的全局信息、運動(dòng)線(xiàn)索和時(shí)間關(guān)系，如果充分利用行人序列的時(shí)空關(guān)系，行人序列重識別的識別率會(huì )高于單張圖片的行人重識別。行人序列重識別以前的方法是利用卷積神經(jīng)網(wǎng)絡(luò )提取行人序列的空間特征和時(shí)間特征，然后對特征向量進(jìn)行相似度計算，這種方法沒(méi)有充分利用行人序列的全局信息，因此識別率不高。因此本文提出了一種基于全局引導的行人序列重識別，首先利用 ResNet-50 提取行人序列特征；然后用全局引導網(wǎng)絡(luò )來(lái)增加行人序列幀特征之間的相關(guān)性；最后對行人序列特征 PCA 降維后用 JS 散度計算相似度。

2 本文算法

2.1 本文架構

1）ResNet-50 提取特征，用 ResNet-50 網(wǎng)絡(luò )提取行人序列候選集和查詢(xún)集特征。

2）全局引導網(wǎng)絡(luò )，用全局引導網(wǎng)絡(luò )來(lái)增加行人序列幀特征之間的相關(guān)性。

3）PCA，用 PCA 對特征降維，減少計算量，提供識別速度。

4）JS 散度，對行人序列特征進(jìn)行相似性度量。

本文架構如下圖 1 所示。

2.2 ResNet-50特征提取

ResNet-50網(wǎng)絡(luò )由49個(gè)卷積層和1個(gè)全連接層組成。 ResNet-50 網(wǎng)絡(luò )除了對輸入進(jìn)行卷積、正則化、激活函數、最大池化計算外，還增加了殘差塊。它對行人序列進(jìn)行時(shí)間和空間建模來(lái)表示行人序列的全局特征和局部特征，以及行人序列全局特征和局部特征之間的關(guān)系。也就是說(shuō)通過(guò) ResNet-50 網(wǎng)絡(luò )可以提取行人序列不同級別的特征。

2.3 全局引導網(wǎng)絡(luò )

全局引導網(wǎng)絡(luò )是用全局特征向量引導，用增加行人序列幀特征之間的相關(guān)性。首先通過(guò) ResNet-50 提取行人序列的全局特征和局部特征，然后用時(shí)間平均池化和全局平均池化對行人特征的全局特征和局部特征進(jìn)一步處理，生成全局特征向量來(lái)引導 ResNet-50 提取的行人序列特征，形成行人序列幀特征之間強相關(guān)特征和低相關(guān)特征。全局引導網(wǎng)絡(luò )框圖如下：

2.4 PCA降維

PCA又叫主成分分析，是Principal components analysis 的簡(jiǎn)寫(xiě)，是機器學(xué)習中使用最廣泛的降維算法之一。圖像處理計算是矩陣相乘計算，維度高時(shí)計算量非常大，運算速度非常慢，為了提升運算速度，保持識別效率，我們通常使用 PCA 降維。PCA 降維的本質(zhì)就是把高維空間投影到低維空間，也就是說(shuō)在低維空間找一個(gè)新的正交坐標系，把高維空間向量投影到低維坐標系中，坐標系選擇是原始數據方差最大的方向作為第一坐標軸，以此類(lèi)推。因此 PCA 降維能保持高維空間最大的信息。本文在保證行人序列特征在 99% 的基礎上，行人序列的特征維度從 2048 維降低到 280 維，在確保識別率的情況下極大的提升了識別速率。

2.5 JS散度

KL 散度叫相對熵、信息散度或者信息增益。散度是兩個(gè)概率分布差別的非對稱(chēng)性的度量。JS 散度解決了 KL 散度非對稱(chēng)的問(wèn)題，因此本文采用 JS 散度進(jìn)行相似性度量。

3 實(shí)驗結果

本文實(shí)驗是在 MARS 和 iLIDS-VID 數據集上進(jìn)行的。MARS 數據庫是目前已公開(kāi)的最大視頻行人重識別數據集，包含 1 261 個(gè)行人，采集于 6 個(gè)不同的攝像頭，每個(gè)人被 2~3 個(gè)攝像頭捕捉到，每個(gè)行人平均含有 13.2 個(gè)視頻序列。iLIDS-VID 數據庫包含從兩個(gè)無(wú)交疊攝像頭采集的 300 個(gè)行人的 600 個(gè)視頻段，每個(gè)行人視頻段含有 23 到 192 幀圖像不止，平均含有 73 幀。

評測指標：采用行人重識別領(lǐng)域廣泛使用的累計匹配特性曲線(xiàn)（cumulative matching characteristic，CMC） CMC@Rank-1、5、10，分別表示在一次查詢(xún)結果中，排序列表的前 1、5、10 個(gè)排序樣本中含有正確樣本的概率；同時(shí)還采用檢索任務(wù)中另一個(gè)常用的評測指標精度平均值（mean average precision, mAP），表示檢索結果的精度平均值。

上表可以看出，本文算法在 MARS 和 iLIDS-VID 數據上識別率明顯高于其它算法，說(shuō)明本文基于全局引導的行人序列重識別算法充分利用了行人序列的信息。

4 結語(yǔ)

本文提出的基于全局引導的行人序列重識別算法，充分利用了行人序列的全局信息和局部信息，用全局引導網(wǎng)絡(luò )來(lái)增加行人序列幀特征之間的相關(guān)性。實(shí)驗結果表明，本文算法識別率高，識別速度快。

參考文獻：

[1] CHEN G Y, RAO Y M, LU J W et al. Temporal coherence or temporal motion: Which is more critical for video-based person re-identification[C].ECCV,2020,(6):660-676.

[2] DAI J, ZHANG P P, WANG D, et al. Video person reidentification by temporal residual learning[J].TIP,2019,(3) 28:1366-1377.

[3] FU Y, WANG X Y, WEI Y C, et al. Sta: Spatial-temporal attention for large-scale video based person re-identification [R].AAAI,2019,(2):6.

[4] HOU R B, CHANG H, MA B P et al. Temporal complementary learning for video person re-identification[J].2020,(6).

[5] HOU R B, MA B P, CHANG H, et al. Vrstc: Occlusion-free video person re-identification[C].CVPR,2019,(6):7183-7192.

[6] LI J N, WANG J D, TIAN Q et al. Global-local temporal representations for video per son re-identification[C].ICCV, 2019,(6):3958-3967.

[7] LI S, BAK S, CARR P, et al. Diversity regularized spatiotemporal attention for video based person re-identification[C].CVPR,2018.

[8] YANG J R, ZHENG W S, YANG Q Z et al. Spatial-temporal graph convolutional network for video-based person reidentification[C].CVPR,2020,(6):3289-3299.

(注：本文轉載自《電子產(chǎn)品世界》雜志2022年9月期)