基于多任务学习的行人重识别算法研究

Abstract

行人重识别（person re-identification，re-ID）在多摄像机之间进行跨镜检索以匹配目标行人图像，可以在人脸、指纹等生物特征失效的情况下实现行人关联，已成为智能视频监控系统的关键技术，对智能安防、智慧城市等领域的产业落地进行了有效赋能。传统的行人重识别算法通常采用表征学习或度量学习方法。基于多任务学习的机器学习模式，结合表征学习与度量学习方法，综合利用特征表示和距离度量两方面的优势，采用分类损失和三元组损失共同训练模型，使模型在特征提取和相似性度量上都得到充分的训练。实验结果表明，该方法在行人重识别任务中取得了更好的性能，验证了鲁棒性和在泛化能力方面的优越性。

Keywords

• 行人重识别
• 智能视频监控
• 表征学习
• 度量学习
• 多任务学习