论文部分内容阅读
行人再识别是当前图像识别领域的一个重要研究分支,在取得众多研究成果的同时,在实际场景中的应用也存在诸多挑战。摄像设备和拍摄场景的差异,以及穿着、尺度、部分遮挡、姿态等对行人外观的影响,给行人再识别带来较大的困难。为此,提出一种行人再识别方法,通过基于姿态的并行化属性学习任务对行人姿态信息进行标注,并将其作为语义属性融入到行人再识别任务中,降低实际场景中属性缺失对模型的影响,加速训练过程。实验结果表明,该方法在VIPeR数据集上达到了90%的识别率。