一种基于BNN的行人再识别方法

摘要

为解决交通监控中对不同摄像头之间行人和非机动车辆的再识别问题,并且能够满足识别场景中的实时性要求,文中介绍了一种基于二值神经网络(BNN)的行人再识别方法.该方法首先利用ResNet网络提取目标行人的特征,再通过两个全连接层将特征转换到同一尺度下利用欧式距离作为度量矩阵,计算出查询集中所有图片与给定目标图片的相似程度并排序,从而实现行人再识别的任务.实验结果表明,BNN在测试集上top1准确率达到71.5％,平均准确率(map)达到84.9％,比全精度网络的结果损失了4.8％的map,但是节省了约50％的计算消耗,内存消耗也只需要1/32.