编辑推荐：
行人重识别（Re-ID）中多粒度特征提取是关键挑战。CNN 难构全局表征，Transformer 长距离依赖建模能力强。研究人员提出 FMFI，含四分支架构 QN 和 RGF 模块，实验表明其在 Market1501 等数据集上优于多数方法，提升特征表征与识别性能。
在智能监控与安防领域，行人重识别（Person Re-Identification, Re-ID）如同给跨摄像头的行人 “跨时空点名”，但复杂场景下的特征混淆、遮挡干扰及外观相似性等问题，常让算法陷入 “脸盲困境”。传统卷积神经网络（CNN）擅长捕捉局部细节却难构建全局判别表征，而 Transformer 虽能建模长距离依赖，却因单向特征输出易导致信息提取失衡。如何让算法既能 “见微知著” 捕捉衣物纹理、配饰细节等局部特征，又能 “统揽全局” 把握行人姿态、轮廓等整体信息，成为突破现有技术瓶颈的关键。
为攻克这一难题，研究人员开展了基于 Transformer 的多分支多粒度特征融合研究。通过构建四分支架构 Quadra-Net（QN）和精细化全局特征（Refined Global Feature, RGF）模块，形成 FMFI（Transformer Based Four Branches Multi-Granularity Feature Integration）方法，旨在从多维度提取行人特征，提升复杂场景下的识别准确率。该研究成果发表在《Expert Systems with Applications》。
研究主要采用以下关键技术方法：以 Vision Transformer（ViT）为基础架构，构建四分支网络 QBT（Quadra Branch Transformer），每个分支通过局部特征重塑提取多方向外观与姿态特征；引入 QN 结构，对各分支全局 tokens（CLSjL）进行权重缩放与跨分支聚合，生成增强型全局特征；设计 RGF 模块，通过压缩 refinement 操作优化初始全局特征，并与缩放后的新特征自适应加权融合；基于 O2CAP 方法构建离线 - 在线对比学习损失函数，匹配四分支特征进行优化训练。实验采用 Market1501、CUHK03、MSMT17 等 Re-ID 数据集，以 mAP 和 CMC 为评估指标。
多分支架构增强多粒度特征捕捉能力
传统双分支结构因分支数量有限、多头注意力机制不足，难以充分表征行人属性的多粒度特征（如图 2 (a) 所示）。研究提出的四分支架构 QN，通过增加分支数量扩展注意力头，使模型能从四个维度深度挖掘特征：一是聚焦衣物风格、色彩搭配等外观第一印象特征，二是捕捉行走、站立等姿态运动特征，三是分析面部表情等细微情感特征，四是提取配饰、携带物品等细节特征。各分支通过局部特征重塑，实现细粒度信息与全局信息的深层理解，如同为模型配备四对 “慧眼”，显著提升对相似行人的区分能力。
全局特征优化提升表征判别性
现有方法在利用 Transformer 提取全局特征时，常因缺乏冗余信息抑制机制导致表征能力不足。RGF 模块首次提出对初始全局特征进行精细化处理：选取四分支中第一分支的全局 token，通过压缩 refinement 生成高质量初始全局特征，并根据训练中特征的相对重要性，优化其与缩放聚合后的新全局特征的权重参数。这一设计平衡了新旧特征的贡献，使模型能从衣物表层到骨骼结构等多层面提取综合视觉线索，为识别提供更可靠的特征基础（如表 2 所示）。
实验验证方法有效性
在 Market1501、CUHK03、MSMT17 数据集上的实验表明，FMFI 方法在 mAP 和 CMC 指标上显著优于多数现有 Re-ID 方法。可视化实验显示，相较于基线 TMGF 模型，FMFI 因四分支带来的注意力头增加和局部特征分区，能捕捉更丰富的行人特征信息（如图 2 所示）。具体而言，四分支架构通过多视角信息融合，有效缓解了外观相似导致的识别混淆；RGF 模块则通过特征精细化与权重自适应，提升了全局表征的一致性与判别力。
研究结论与意义
本研究通过 Transformer 四分支架构与全局特征优化策略，为行人重识别领域提供了新的技术路径。QBT 结构通过多分支扩展实现了多粒度特征的高效捕捉，RGF 模块则通过特征精细化机制增强了全局表征的丰富性与可靠性。实验结果表明，该方法在复杂场景下的识别性能显著提升，为智能监控、多摄像头跟踪等实际应用提供了更鲁棒的算法支持。研究不仅拓展了 Transformer 在视觉领域的应用深度，也为解决跨模态变化、遮挡等 Re-ID 核心挑战提供了新思路，对推动智能安防与智慧城市技术发展具有重要意义。
