提出一种基于视角信息嵌入的行人重识别模型。结合行人图像视角朝向特点,对PSE (pose-sensitive embedding)网络结构进行了优化。首先将PSE特征向量融合部分由特征的融合改成更符合不同视角特征空间性质的三个视角单元特征向量的拼接;其次视角单元从骨架网络更浅层的blocks-3进行分离,增加三个视角单元特征空间的差异性;最后利用改进的深度可分离卷积,设计了一个深度可分离模块,对视角单元进一步进行提取特征,防止模型参数过大的同时提高网络非线性能力,从而提高网络的泛化能力。利用Ma

基于卷积神经网络算法对行人进行多特征提取,并使用拼接后的多特征对行人进行特征表征。使用全局池化和多个卷积构建多分支结构,利用多分支结构来弥补丢失的信息。为了减小过拟合,采用自行设计的瓶颈层代替模型中的分类层。实验时,分别在Market1501、CUHK03、DukeMTMC-Reid数据集上对本文所提算法进行验证。在Market1501数据集上,本文所提算法预测正确的概率(Rank1)为95.2%,平均预测均值(mAP)为86.0%。实验结果表明,本文所提算法提取的行人特征具有较强的辨别力,识别