1.一种交错动态融合的遮挡行人重识别方法,其特征在于,所述方法包括以下步骤:特征提取:交错特征金字塔模块通过交错连接方式,将高层特征图中丰富的语义信息递归地传输到底层,实现对多尺度信息的提取;
所述交错连接方式为交替使用特征元素级相加操作和特征拼接操作;
所述交替使用特征元素级相加操作和特征拼接操作为Conv4_x与上采样后的特征5进行特征拼接操作得到特征4,Conv3_x与上采样后的特征4进行特征元素级相加操作得到特征3,Conv2_x、上采样后的特征3与上采样后的特征5进行特征拼接操作得到特征2,Conv1与上采样后的特征2进行特征元素级相加操作得到特征1;
特征融合:多尺度特征动态融合模块用于整合交错特征金字塔模块中的多尺度信息,使模型能够根据行人的特征和大小动态选择合适的特征进行融合,实现不同尺度特征的融合,构建交叉熵损失和三元组损失的混合损失函数,迭代优化多尺度特征动态融合模块的参数;
特征交互:特征交互模块使用不同的语义部件特征作为图节点,允许节点之间的信息传递,促进语义特征信息的传递,构建交叉熵损失和三元组损失的混合损失函数,迭代优化特征交互模块的参数;
所述不同的语义部件特征由特征5与人体解析模型PifPaf进行元素级相乘操作得到;
将最终提取到的行人图像特征与图像库中的各个图像进行相似性度量,输出匹配列表;
所述最终提取到的行人图像特征为多尺度特征融合模块的输出特征与特征交互模块的输出特征进行特征拼接操作得到的特征。
2.根据权利要求1所述的交错动态融合的遮挡行人重识别方法,其特征在于,所述交错特征金字塔模块中的多尺度信息,包括特征5、特征3和特征1。
3.根据权利要求1所述的交错动态融合的遮挡行人重识别方法,其特征在于,所述相似性度量通过计算行人图像特征之间的余弦相似度,得到最终的匹配结果,以余弦相似度从大到小生成匹配列表。