时空交互 Transformer 行人重识别网络

多基准精度最优

消除时空特征分离学习弊端，统一时分特征编码，增强行人重识别判别能力。

杨帆 · Wei, Li · Liang, Binbin · 张建伟

IEEE Internet of Things Journal 2023

技术优势

时空联合建模

时序交互模块与空间编码器结合，在帧级空间特征学习中发挥时序信息的积极作用，避免时空分离学习导致的表征割裂。

局部特征增强

通过重建帧 patch 序列的二维空间信息并以条纹方式提取局部特征，增强模型对细节的判别能力。

多基准最优

在四个公开基准上进行的大量实验表明，该模型优于现有方法。

应用场景

• 智慧城市视频监控：在城市场景中跨摄像头准确识别行人身份，提升监控效率。
• 跨摄像头行人追踪：利用视频时序信息实现跨镜头行人轨迹关联，替代单帧匹配。
• 机器人视觉识别：为机器人提供鲁棒的行人识别能力，支持人机交互场景。
• 边缘端智能安防：部署于边缘设备实现实时行人身份验证，减轻中心服务器负载。