一种基于ResNet模型及重排序策略的行人重识别算法

摘要

基于深度学习的发展,提出了一种行人重识别算法。算法的流程是先使用ResNet模型提取图像中的深层特征,然后在低相似度约束下选择一组关联图像,最后使用关联图像对检索结果进行重新排序。该算法具有三个优点:与其他方法相比,迁移学习方法降低了训练模型所需的成本;采用自适应稀疏约束下的遗传算法检测相关图像,降低了计算的复杂度;可以将检测结果应用于改善初始检索结果。在Market1501数据集上的实验证明了算法是有价值的,并且算法对于背景、姿态、视角的变化具有一定的鲁棒性。