摘要: 行人重识别技术旨在将不同成像设备下拍摄的不同视角、不同姿态的相同身份的行人图像进行匹配，实现对行人的跨相机识别。跨分辨率行人重识别作为其重要研究分支，在治安管理、追踪嫌疑人、预防犯罪等方面发挥着巨大的作用。尽管目前跨分辨率行人重识... 展开 行人重识别技术旨在将不同成像设备下拍摄的不同视角、不同姿态的相同身份的行人图像进行匹配，实现对行人的跨相机识别。跨分辨率行人重识别作为其重要研究分支，在治安管理、追踪嫌疑人、预防犯罪等方面发挥着巨大的作用。尽管目前跨分辨率行人重识别已经取得了很大进展，但在实际场景应用中仍存在以下问题:首先，由于拍摄距离、拍摄角度和摄像机参数的不同，往往会导致拍摄的行人图像具有不同的分辨率，若直接将不同分辨率的图像进行匹配，会造成识别精度的下降;其次，复杂背景信息的干扰也会导致识别准确率的下降。本文联合图像超分辨技术和行人重识别技术对上述问题进行研究，主要研究内容和创新如下: 首先，针对实际场景中获取的行人图像分辨率不固定这一问题，本文提出基于元学习超分辨网络的跨分辨率行人重识别方法(Cross-resolutionPersonRe-IdentificationMethodBasedonMeta-LearningSuper-ResolutionNetwork,MetaSRReID),该方法包括元学习超分辨网络和基于局部特征融合的行人重识别网络两部分。超分辨网络中利用元学习的思想构建元学习上采样模块，实现图像的多倍超分辨;在行人重识别网络中，提取图像的局部特征并引入自适应局部特征融合模块，此结构通过多次特征交互加强特征的表达能力。实验结果表明该算法可以对不同分辨率的图像进行重识别并取得较高的准确率。 其次，针对跨分辨率行人重识别中背景信息干扰导致准确率下降的问题，对MetaSRReID进行改进，提出基于双层图卷积网络的跨分辨率行人重识别方法(Cross-resolutionPersonRe-IdentificationMethodBasedonDouble-layerGraphConvolutionNetwork,DGCRReID)。在超分辨网络，引入Transformer的多头自注意力机制捕获全局的依赖关系，使网络聚焦于图像中的重要区域，生成更有利于识别的超分辨图像;在行人重识别网络中，引入人体关键点检测模型，在提取人体关键点特征的同时可以有效降低复杂背景信息的干扰，然后将关键点特征视为图卷积中的节点并组成人体拓扑图，最后采用提出的基于双层图卷积网络的特征融合方法，传递和聚合相邻节点之间的信息并融合为新的特征表示。实验结果表明该算法可以有效抑制复杂背景信息的干扰，从而提高了跨分辨率行人重识别准确率。 最后，设计并实现了基于PyQt5的跨分辨率行人重识别软件平台，对本文提出的方法进行封装，实现对行人的跨分辨率重识别并直观地展示识别结果。 收起