摘要

行人重识别（Person Re-Identification, reID）旨在从由多个摄像头捕获的图像集合中检索出目标行人的图像。近年来的reID方法表明，结合描述人体各部位的局部特征与行人图像整体的全局特征，能够获得鲁棒的特征表示，即使在部分身体区域缺失的情况下依然有效。然而，若直接使用独立的局部部位特征而忽略各身体部位之间的关联关系，将难以区分具有相似局部属性的不同个体。为解决这一问题，本文提出一种新型关系网络，用于建模个体部位与其余部位之间的相互关系。该模型使单个部位的特征能够融合其他部位的部分信息，从而增强其判别能力。此外，本文还引入一种全局对比池化（Global Contrastive Pooling, GCP）方法，用于提取行人图像的全局特征。我们提出利用对比特征进行GCP，以补充传统的最大池化（max pooling）和平均池化（average pooling）方法。实验结果表明，所提方法在Market1501、DukeMTMC-reID和CUHK03三个标准数据集上均优于当前最优方法，充分验证了该框架在构建判别性行人特征方面的有效性。