计算机科学与探索

作者：赵炳涛, 张继, 储开斌, 王洪元

单位：1. 常州大学 王诤微电子学院，江苏 常州 2131592. 常州大学 计算机与人工智能学院，江苏 常州 2131593. 常州大学 机器人产业学院，江苏 常州 213164

关键词：行人重识别,多尺度混合注意力残差块,人体部位注意力模块,动态加权融合

基金：国家自然科学基金（61976028）。

遮挡问题是行人重识别领域的关键挑战，尤其在复杂背景、多视角和动态场景下，容易导致行人特征信息缺失，严重影响模型的判别能力。针对上述挑战，在全尺度网络（OSNet）基础上，提出一种融合人体部位信息的多尺度行人重识别模型，以提升网络在遮挡场景下的识别精度。该模型在特征提取阶段引入多尺度混合注意力残差块，结合CBAM与EMA注意力机制对不同尺度的特征进行动态加权，增强关键区域的表示能力；在特征匹配阶段，引入人体部位注意力模块与全局-局部特征学习模块，对行人图像中的可见人体部位进行检测、评分及动态加权融合，有效规避被遮挡区域对匹配结果的干扰。在三个有遮挡的公开数据集Occluded_Duke、Occluded_REID与P-DukeMTMC-reID上对所提方法进行了系统评估。在Occluded_Duke数据集上，改进模型的mAP提升20.5个百分点，Rank-1提升22.2个百分点；在其余两个数据集上，mAP和Rank-1指标也分别达到70.1%、78.2%与81.3%、91.0%，显著优于原始模型。实验结果充分验证了所提方法在遮挡场景下的有效性与先进性，为复杂场景下的行人重识别任务提供了一种有效的解决方案，具有重要的应用价值。

来源：2026年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第3期