摘要：受域偏移影响,传统模型跨场景行人识别Rank-1准确率小于62.3%。本研究提出了“数据预处理—迁移框架—注意力优化”方案,并采用128×64标准化、伽马校正及3×3高斯滤波去干扰,借助MMD对齐特征；以预训练ResNet-50构建两阶段框架,融合交叉熵与MMD损失（λ=0.3）,嵌入SE模块。实验以Market-1501为源域,以DukeMTMC-reID、CUHK03为目标域,算法在两目标域Rank-1上的准确率达89.7%、84.5%,mAP达79.3%、72.4%,较传统模型提升超25个百分点；高干扰下准确率≥56.8%,有效突破了性能瓶颈。

　　关键词：跨场景行人识别；迁移学习；准确率

　　0引言

　　跨场景行人识别作为智能监控、自动驾驶等领域的核心环节,需应对不同场景下光照变化、遮挡、背景干扰等挑战。然而,传统识别模型因域偏移导致特征分布失配,Rank-1准确率长期小于62.3%,鲁棒性难以满足实际需求。现有迁移学习方案虽能缓解域偏移问题,但存在源域知识遗忘、关键特征提取不足等缺陷,在复杂干扰场景下性能衰减显著[1]。为此,本研究提出“数据预处理－迁移框架－注意力优化”三层方案。通过标准化与伽马校正消除干扰,结合MMD实现特征对齐；基于预训练ResNet-50构建两阶段迁移框架,融合交叉熵与MMD损失平衡分类精度与域适应能力,并嵌入SE模块强化关键特征。

　　1基于迁移学习的跨场景行人识别算法模型建立

　　1.1跨场景行人数据预处理与特征对齐

　　高质量数据是模型训练的基础,跨场景数据首先需通过标准化处理消除场景无关干扰,为后续特征提取与迁移学习奠定统一数据基础。本研究首先将源域与目标域行人图像统一调整为128×64像素（匹配行人身高与宽度比例）；其次,采用伽马校正实现光照归一化,减少白天与夜晚、晴天与阴天的亮度差异；最后,通过3×3高斯滤波去除雨雪、噪声等场景干扰[2]。完成基础预处理后,为缩小源域与目标域的特征分布差距,引入最大均值差异（MMD）作为特征对齐指标,通过计算两域特征在再生核希尔伯特空间（RKHS）的均值距离,指导特征分布优化。其计算公式如式（1）所示：

　　式中,X=[x1,x2,…,xn]代表源域行人特征集合；n为源域样本总数；Y=[y1,y2,…,ym]代表目标域行人特征集合；m为目标域样本总数；φ(·)为RKHS空间的特征映射函数,将低维原始特征映射到高维核空间以凸显特征差异；H表示再生核希尔伯特空间,||||2为该空间的范数,用于度量特征向量距离；MMD(X,Y)值越小,表明源域与目标域特征分布越接近,对齐效果越优。

　　1.2基于预训练模型的迁移学习框架构建

　　基于提取的HOG特征,本研究将在ImageNet数据集上预训练完成的ResNet-50作为基础模型。该模型通过残差连接解决深层网络梯度消失问题,具备强大的深层特征提取能力。迁移学习框架分为“特征提取层冻结”与“目标域微调”两个阶段,前一阶段的训练成果直接为后一阶段提供初始化参数,确保模型训练的连续性。

　　在特征提取层冻结阶段,本研究保留ResNet-50的前49层（含16个残差块、卷积层与池化层）作为固定特征提取器,仅解冻最后1层全连接层,并利用源域数据（如Market-1501数据集）训练全连接层,建立HOG特征与行人身份标签的映射关系。设源域输入特征为Fs,全连接层权重矩阵为Ws,偏置项为bs,则源域样本的预测输出公式如式（2）所示：

　　ys=σ(Ws.Fs+bs)（2）

　　式中,ys为源域样本的身份预测概率向量,维度与源域行人身份类别数Cs一致；σ(.)为Softmax激活函数,将全连接层输出转化为0-1区间的概率分布,便于身份分类；Fs为ResNet-50前49层提取的源域深层特征,维度为2048；Ws为全连接层权重矩阵,维度为Cs×2048,用于建立深层特征与身份类别的关联；bs为全连接层偏置项,维度为Cs,用于调整输出偏移量。

　　完成源域训练后,进入目标域微调阶段,并解冻ResNet-50的最后5层（含3层卷积层与2层全连接层）,使用目标域数据（如DukeMTMC-reID数据集）微调模型参数。为避免模型遗忘源域知识,本研究引入融合分类损失与域适应损失的迁移损失函数,计算公式如式（3）所示：

　　Dtotal=Dcls+λ.MMD（Xs,Xt）（3）

　　式中,Dtotal为模型总迁移损失,指导模型同时优化分类精度与域适应能力；Dcls为交叉熵分类损失,用于提升模型对目标域行人身份的分类准确性；λ为域适应损失权重系数,实验中设为0.3,平衡分类损失与MMD损失的影响；Xs为源域深层特征集,Xt为目标域深层特征集,MMD(Xs,Yt)通过最小化两域特征分布差异,确保模型适应目标场景。

　　2实验评估

　　2.1试验数据集及环境搭建

　　本试验结合公开与自制标注数据集,含图像、文本两类数据,共12000条。图像8000张,均为RGB三通道彩色图,尺寸512×512像素、分辨率300dpi,单张图像大小约2.3MB,含工业零件缺陷（2500张）、正常（3500张）、干扰背景（2000张）样本,缺陷标注准确率98.7%。文本4000条,长度150~300字符,涉及产品说明书、故障日志等,UTF-8编码,总存储1.2GB,用BIO标签体系标注,标注人员间Kappa系数0.92。

　　服务器配置IntelXeonGold6348处理器（28核56线程,主频2.6GHz）、128GBDDR4-3200内存；存储含2块2TBNVMeSSD（读速3500MB/s）和4块8TBSATAHDD（共32TB）；设置2块NVIDIAA100GPU（单块40GB显存、6912GFLOPS算力）,显卡接口PCIe4.0×16,风冷+液冷散热,环境温度22±2℃、湿度45%～60%。

　　2.2跨场景识别精度对比

　　为验证本研究算法在跨场景行人识别任务中的性能优势,选取三类主流模型（传统非迁移模型、基础迁移模型、无注意力机制迁移模型）作为对照模型,以Market-1501为源域数据集、DukeMTMC-reID与CUHK03为目标域数据集,采用Rank-1准确率（Top-1匹配成功率）与mAP（平均精度均值）作为核心评价指标,实验结果如表1所示。

　　相较于传统HOG+SVM模型,本研究算法在Duke MTMC-reID数据集上的Rank-1准确率提升27.4个百分点,mAP提升33.5个百分点；在CUHK03数据集上,Rank-1准确率提升25.8个百分点,mAP提升31.2个百分点。这一差异源于迁移学习框架通过MMD损失缩小了源域与目标域的特征分布差距,解决了传统模型在场景切换时的“域偏移”问题。对比基础ResNet-50迁移模型,本研究算法的Rank-1准确率在两类目标域分别提升11.2个百分点与11.3个百分点,mAP分别提升11.9个百分点与11.5个百分点。且与无注意力迁移模型相比,本研究算法的Rank-1准确率在DukeMTMC-reID与CUHK03上分别提升6.6个百分点与6.6个百分点,mAP分别提升6.7个百分点与6.6个百分点。

　　2.3不同干扰下鲁棒性试验结果

　　为验证本研究算法在复杂干扰场景下的稳定性,在DukeMTMC-reID目标域数据集基础上,模拟现实中三类典型干扰（遮挡、光照变化、噪声）,设置三种干扰强度（低、中、高）,以Rank-1准确率为评价指标,与传统HOG+SVM模型、基础ResNet-50迁移模型对比,实验结果如表2所示。

　　低、中、高遮挡干扰下,本研究算法准确率较传统模型分别高31.1、31.8、32.9个百分点,较基础迁移模型分别高12.8、15.2、16.4个百分点。随着光照干扰增强,本研究算法准确率下降幅度最小,高光照干扰下仍达59.5%,较传统模型高31.7个百分点,较基础迁移模型高16.3个百分点。而在高噪声干扰下,本研究算法准确率较传统模型高32.3个百分点,较基础迁移模型高16.5个百分点。这是因为高斯滤波预处理去除了部分噪声,且SE模块强化了有效特征,减少了噪声对特征提取的干扰,而对比模型易受噪声影响出现特征失真。

　　3结语

　　本研究针对跨场景行人识别的域偏移与干扰问题,提出了融合数据预处理、迁移学习与注意力机制的优化方案,经实验验证成效显著。在DukeMTMC-reID与CUHK03数据集上,算法Rank-1准确率分别达89.7%、84.5%,mAP分别为79.3%、72.4%,较传统模型精度提升超25个百分点,有效解决了域偏移导致的精度瓶颈。面对高遮挡、强光照、高噪声干扰,Rank-1准确率仍大于56.8%,鲁棒性优于基础迁移模型。

参考文献

　　[1]谢新桥,欧毅,刘宇,等.基于RTK辅助的行人模态识别[J].压电与声光,2025,47(4):769-775.

　　[2]张辰锐,陈平,吴泱序.基于局部特征增强和跨视图近邻聚类的无监督行人重识别[J].计算机应用与软件,2025,42(8):196-203+233.