基于动态特征增强和分层门控融合的遮挡行人重识别

来源：电子测量技术杂志2026年第8期北京时间：

作者：任鹏霏，杨真真

单位：南京邮电大学理学院 南京 210023

摘要：行人重识别作为智能监控与智慧城市建设的核心支撑，在实际场景中常因遮挡问题导致识别精度不佳。现有基于卷积神经网络的行人重识别方法受限于局部感受野，难以捕捉跨遮挡区域的长距离依赖。基于Transformer的行人重识别方法虽具备全局建模能力，但存在局部与全局特征融合不足等问题，在严重遮挡场景下鲁棒性欠佳。针对上述问题，提出了一种基于动态特征增强和分层门控融合的端到端遮挡行人重识别方法，通过动态特征增强模块优化中层特征的局部细节与抗噪能力，借助分层多尺度门控融合模块缓解高层特征的语义稀释，构建“中层增强-高层提纯”的端到端特征处理链路。仿真实验对比了所提方法与现有方法在Occluded-Duke、Occluded-ReID、Market1501和MSMT17数据集上的识别性能，Rank-1准确率分别达到了74.8%、88.8%、96.7%和90.9%，mAP精度分别为67.0%、86.3%、93.8%和77.6%，验证了其在遮挡场景下的有效性与优越性。

关键词：行人重识别;遮挡;特征增强;Swin-Transformer;门控注意力;特征融合

基金资助：国家自然科学基金(62571269)、江苏省研究生科研与实践创新计划项目(KYCX24_1125, SJCX24_0279)资助