解决行人识别干扰问题，澎思在行人再识别方面取得突破

近日，澎思科技（Pensees）在基于视频的行人再识别数据集（PRID-2011，iLIDS-VID，MARS）中取得突破。

据了解，澎思科技算法在最大的视频数据集MARS上的首位命中率指标88.8%，在iLIDS-VID和PRID-2011等数据集上首位命中率分别为88.0%和95.5%。

具体来说，主要包括三个方面：

1、受遮挡、姿态变化、视角变化等因素的影响，视频序列中行人的特征是不连续的。用全局特征来度量每一帧图片的权重往往会损失掉许多重要的信息。采用分割重组策略将特定局部特征重组成多个视频序列进行学习，进而极大减少局部特征损失对最终特征的影响。

2、提出双向图注意力机制模块。将图卷积神经网络和SENet结合，在整个序列上进行通道域的模式选择学习。同时通过双向网络进行空间域的注意力区域学习。由于图卷积网络的特性，每一帧图片的注意力特征都是与其他帧相互学习结合的结果，从而提高特征的代表性。

3、利用帧间相似度进行序列融合。通过数学计算的方式就可以达到融合的目的。这样，数据的类内相似度得到了提高。在结合三元损失函数进行训练后，类间相似度得到了降低，进而提高重识别效果。

澎思科技角介绍，基于视频的行人再识别（ReID）技术更贴近智慧城市建设的诸多应用场景，能有效解决行人信息有限、特征不足及其他干扰因素等问题，相比单帧图片的行人再识别具备更长远的落地应用空间。（定西）

来源：网易智能