张晨;

为解决不同模态行人图像因色彩、角度差异及光照、遮挡等因素导致的跨模态特征提取与匹配难题，提出一种融合跨模态对齐与压缩激活机制的行人重识别算法。采用ResNet-50网络，提取行人图像的模态特征图与身份特征图。对模态特征图运用跨模态对齐技术，通过动态规划搜索最短路径，实现局部特征对齐。同时，在身份特征图上引入压缩激活机制。经全局平均池化，压缩空间信息；通过两层全连接网络，生成通道权重，强化关键通道并抑制噪声。融合“模态一致性”与“身份判别性”双重增强特征，把融合后的特征输入ResNet-50网络，以此实现跨模态行人重识别任务。实验结果表明，该算法能够使跨模态特征类内距离显著降低，同一身份特征聚集度提升。在重度遮挡、跨模态检索等复杂场景下，识别准确率较对比方法最高提升超70%。在遮挡、姿态变化等条件下，该算法能增强判别特征，实现行人身份准确识别。

2026年01期 v.23;No.107 11-21页 [查看摘要][在线阅读][下载 963K]