REVISTA DE INGENIERIA DYNA

Palabras clave:

Person re-identification, Adaptive weight, Attention mechanism, Convolutional neural network, Reidentificación de personas, Peso adaptativo, Mecanismo de atención, Red neuronal convolucional

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Debido a factores como el cambio de postura, la condición de la iluminación, el desorden del fondo y la oclusión, la re-identificación de la persona (re-ID) basada en los fotogramas de vídeo es una tarea difícil. Para utilizar la información de relevancia a nivel de píxel y la información discriminatoria del cuerpo local de la imagen y mejorar la precisión de la re-identificación en el caso de cambios complejos de postura y diferencias de puntos de vista, se propuso en este estudio una red de re-identificación de personas basada en el mecanismo de atención y el peso adaptativo. Sobre la base de la detección de puntos clave humanos, se integró un mecanismo de atención para examinar la información discriminatoria en diversas partes del cuerpo humano. En la red se adoptó el método de ponderación adaptativa, que proporciona a las características locales extraídas diferentes pesos según la información discriminatoria de las distintas partes del cuerpo humano. La exactitud de la reidentificación del modelo de la red se verificó mediante experimentos. Los resultados demuestran que el modelo de red propuesto puede extraer con precisión las características de las regiones discriminatorias de diversas partes del cuerpo humano integrando el mecanismo de atención y el peso de la región adaptativa, mejorando así el rendimiento de la reidentificación de la persona. Nuestro método se compara con los actuales modelos de red de identificación de personas ampliamente utilizados como la AACN y la HACN. En el conjunto de datos de Market-1501, los valores de Rank-1 y mAP se mejoran en un 4,79% y 2,78% así como en un 8% y 3,52%, respectivamente, y en el conjunto de datos de DukeMTMC-reID, en un 4,92% y 3,26% así como en un 5,17% y 3,17%, respectivamente. En comparación con el anterior modelo de red GLAD, los valores de Rango-1 y mAP en dos conjuntos de datos experimentales se incrementan en más de un 2%. El método propuesto proporciona un buen enfoque para optimizar el descriptor de peatones para la identificación de personas en entornos complejos.

Palabras clave: Reidentificación de personas, Peso adaptativo, Mecanismo de atención, Red neuronal convolucional