计算机科学与探索

作者：汪旭, 胡晓光, 付哲宇, 赵利欣

单位：1. 中国人民公安大学 侦查学院，北京 1000382. 中国人民公安大学 信息网络安全学院，北京 100038

关键词：全局,局部,跨维度多尺度池化融合,多层级注意力,高低频特征

基金：中央高校基本科研业务费专项资金（2023JKF01ZK10）；拔尖创新人才培养经费支持研究生科研创新一般项目（2024yjsky031）。

行人重识别（ReID）是利用人工智能解决车站安检、城市监控系统等公共安全应用问题的技术，具有从跨设备采集的图像中识别某一特定行人的能力。但是在行人重识别等问题中，往往会出现行人被刻意遮挡或被复杂场景环境遮挡等因素，这大大增加了行人重识别的难度。在目前所提出的大部分遮挡行人重识别方法中，卷积神经网络模型更加关注局部特征，但难以获得全局结构信息，Transformer网络模型建模长距离的特征依赖，但易忽略局部特征细节。为解决这些难题，提出了一种全局-局部融合特征的遮挡行人重识别方法，利用CNN和Transformer特征学习网络的特点，在丰富行人局部特征的同时提升特征的全局表达能力。该模型由三个部分组成：CNN网络主要提取局部细节特征，Transformer分支侧重提取全局特征信息，并通过跨维度多尺度池化融合模块计算上述两个分支特征的相关性，进而实现全局-局部的特征融合；由多层级注意力引导生成的掩码模块能够精准地突出行人图像中的关键特征，自动对齐行人特征信息，抑制遮挡部分或背景噪声的干扰；图像高低频特征增强模块强化被遮挡行人的高低频特征信息，突出有效信息。消融实验以及在相关数据集上的实验结果证明了所提方法的有效性。

来源：2025年第7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2025年第7期