基于图卷积网络与自注意力图池化的视频行人重识别方法

针对跨相机网络视频中存在的遮挡、空间不对齐、背景杂波等因素导致视频行人重识别效果较差的问题，提出一种基于图卷积网络（GCN）与自注意力图池化（SAGP）的视频行人重识别方法。首先，通过区块关系图建模挖掘视频中帧间不同区域的关联信息，并利用GCN优化逐帧图像中的区域特征，缓解遮挡和不对齐等问题；然后，通过SAGP机制去除对行人特征贡献较低的区域，避免背景杂波区域的干扰；最后，提出一种加权损失函数策略，使用中心损失优化分类学习结果，并使用在线软挖掘和类感知注意力（OCL）损失解决难样本挖掘过程中可用样本未被充分利用的问题。实验结果表明，在MARS数据集上，相较于次优的AITL方法，所提方法的平均精度均值（mAP）与Rank-1分别提高1.3和2.0个百点。所提方法能够较好地利用视频中的时空信息，提取更具判别力的行人特征，提高行人重识别任务的效果。