电子信息技术

本发明属于人工智能和计算机视觉技术领域，具体涉及一种基于关系图注意力网络的拥挤行人重识别方法。本发明方法首先使用姿态特征提取模块提取外形特征，利用OpenPose获得人物的关键点集合，并使用多个线性层将其转化为高维向量，然后利用关系图注意力网络来获取到图片中的形状特征，从而将干扰人物的信息排除在形状特征外，然后利用提出的形状引导的特征增强模块，通过两阶段的交叉注意力过程，挖掘基于形状特征的外观特征，从而获取到关键的目标人物的具有判别性的特征，并进行人物身份的重识别。本发明方法解决拥挤行人重识别问题，提高模型识别准确率。

基于关系图注意力网络的拥挤行人重识别（ReID）方法可广泛应用于多个领域。在智能安防领域，该方法可提升密集场景下的目标追踪能力，辅助公安部门进行犯罪嫌疑人跨摄像头检索和轨迹分析。在智慧城市建设中，可用于交通枢纽、大型活动场馆等人流密集区域的实时监控与异常行为检测。在商业零售领域，可优化客流统计与消费者行为分析，助力精准营销。此外，在自动驾驶中，可增强行人感知能力，提升复杂道路环境下的安全性。未来还可拓展至智慧医疗（如医院人流管理）和社交机器人（多目标交互识别）等场景，具有广阔的市场潜力。

基于关系图注意力网络的拥挤行人重识别（ReID）方法在智能安防、智慧城市等领域具有重要应用前景。该方法通过建模行人间的空间与特征关联，结合注意力机制增强关键区域的特征表达，能有效解决遮挡、姿态变化和密集场景下的身份匹配难题。随着城市监控网络和AI安防需求的增长，高精度的拥挤场景ReID技术可提升多目标追踪、跨摄像头检索等任务的性能，助力公共安全管理和商业客流分析。未来，结合轻量化部署和跨模态数据（如红外、3D信息），该技术有望在复杂现实场景中进一步突破，推动智能视频分析的产业化应用。