人員重新識別需要在來自不同相機并具有不同背景，角度或位置的多個圖像中自動識別同一個人。盡管最近在人工智能(AI)領域取得了進展，但人員重新識別仍然是一項極具挑戰性的任務，特別是由于人的姿勢有很多變化，以及與照明，遮擋，錯位和背景雜亂相關的其他差異。

美國蘇寧研發中心的研究人員最近開發了一種基于多尺度身體部位掩模引導注意網絡(MMGA)的人員重新識別技術。他們的論文預先發布在arXiv上，將于6月份的2019年CVPR研討會聚焦演示期間發表。

“人們重新識別正在成為一項越來越重要的任務，因為它具有廣泛的潛在應用，例如刑事調查，公共安全和圖像檢索，”進行這項研究的研究人員之一的Honglong Cai告訴TechXplore。“然而，由于遮擋，錯位，姿勢變化和背景雜亂，它仍然是一項具有挑戰性的任務。在我們最近的研究中，我們的團隊試圖開發一種方法來克服這些挑戰。”

蔡和他的同事沒有關注整個圖像，而是開發了一個人物重新識別的模型，只關注感興趣的人，忽略了背景。將這一想法更進一步，他們的模型分析給定圖像中人的不同身體部位。

“為了實現我們的想法，我們創造性地提出了一個多尺度的身體部分面具引導注意網絡，”蔡說。“我們應用身體面具來指導我們模型的訓練，以便它可以更多地關注圖像中的人體。我們的模型包含兩個部分：特征提取器和注意模塊。”

由蔡和他的同事設計的模型的特征提取器組件可以從圖像中提取人體的辨別特征。另一方面，模型的注意模塊引導MMGA網絡，突出顯示應該密切注意的圖像區域(即像素)。

研究人員使用身體面具來指導模型注意模塊的訓練，因為這樣可以讓人體識別背景信息。此外，他們將身體面罩分成上身和下身面罩，以便注意模塊可以學會區分人體的上部和下部。

“與大多數現有人重新識別方法不同，將圖像分割成固定的幻燈片，我們的模型可以確切地分辨上半身和下半身的位置，”蔡解釋道。“此外，身體面罩僅用于訓練階段，我們在推理階段不需要身體面罩，這使我們的模型在實際應用中非常有效。”

為了評估他們的模型，Cai和他的同事進行了一系列實驗，測試其在兩個數據集上的表現，即Market-1501和DukeMTMC-reID數據集。他們發現，他們的模型可以減少人的姿勢，錯位和背景雜亂的變化的負面影響，優于最先進的重新識別方法。

研究人員收集的研究結果表明，注意機制可以顯著提高人員重新識別網絡的準確性。此外，他們的研究介紹了一種可以進一步提高這種準確性的面罩指導注意訓練方法

“在我們最近的工作中，上身面罩和下身面罩被用來指導注意模塊的訓練，”蔡說。“將來，我們希望嘗試將身體面具分成更精細的細節，如頭部，手部，手臂，腿部等，因為這可以進一步提高人員重新識別的準確性。”