To elude from the camera, suspects often hide behind other things or persons, leading to a series of occlusion patterns. These suspects are notoriously hard to search due to the substantially various appearance in the intricate occlusion patterns. Existing methods solving occlusion problem depend on learning several frequent patterns separately. It brings not only high consumption but also less coverage of patterns in real application scenarios. Different from the current researches which only concern certain patterns that do not synthesize the occlusion patterns in practical applications, we consider a wide range of occlusion patterns which conform the real application scenarios in one coherent model with less interference of both the occlusion and background areas and without redundant computation. Consequently, we propose a channel-guided mechanism (CGM) for occluded suspect search in this paper. The core idea is that different body areas have been activated via different channels in convolutional neural networks. By suppressing the effects of the interference areas, such as occlusion and background areas, we can filter out the visible areas which are the essential elements for the occlusion patterns. Channel-aware attention is introduced to learn the relation between areas and channels. Furthermore, we can identify suspects using a rule which focuses more on the visible area and focuses less on the occluded area in the specific occlusion pattern. Extensive evaluations on two challenging datasets confirm the effectiveness of the proposed CGM.

为了躲避相机，犯罪嫌疑人经常躲在其他东西或人身后，导致一系列遮挡模式。众所周知，由于复杂的遮挡模式中的各种外观，这些嫌疑人很难搜寻。解决遮挡问题的现有方法依赖于分别学习几种频繁模式。在实际应用场景中，它不仅带来高消耗，而且带来更少的模式覆盖。与当前仅关注某些不能在实际应用中合成遮挡模式的模式的研究不同，我们考虑了多种遮挡模式，这些模式在一个相干模型中符合实际应用场景，并且遮挡和背景区域的干扰较小，并且没有多余的计算。所以，我们在本文中提出了一种针对可疑嫌疑人搜索的通道引导机制（CGM）。核心思想是通过卷积神经网络中的不同通道激活了不同的身体区域。通过抑制遮挡和背景区域等干扰区域的影响，我们可以滤除可见区域，这些区域是遮挡图案的基本要素。为了了解区域和渠道之间的关系，引入了渠道意识的注意。此外，我们可以使用规则来识别嫌疑人，该规则将更多的注意力集中在可见区域上，而将更少的注意力放在特定遮挡模式下的遮挡区域上。对两个具有挑战性的数据集的广泛评估证实了拟议的CGM的有效性。核心思想是通过卷积神经网络中的不同通道激活了不同的身体区域。通过抑制遮挡和背景区域等干扰区域的影响，我们可以滤除可见区域，这是遮挡图案的基本要素。为了了解区域和渠道之间的关系，引入了渠道意识的注意。此外，我们可以使用规则来识别嫌疑人，该规则将更多的注意力集中在可见区域上，而将更少的注意力放在特定遮挡模式下的遮挡区域上。对两个具有挑战性的数据集的广泛评估证实了拟议的CGM的有效性。核心思想是通过卷积神经网络中的不同通道激活了不同的身体区域。通过抑制遮挡和背景区域等干扰区域的影响，我们可以滤除可见区域，这些区域是遮挡图案的基本要素。为了了解区域和渠道之间的关系，引入了渠道意识的注意。此外，我们可以使用规则来识别嫌疑人，该规则将更多的注意力集中在可见区域上，而将更少的注意力放在特定遮挡模式下的遮挡区域上。对两个具有挑战性的数据集的广泛评估证实了拟议的CGM的有效性。我们可以过滤掉可见区域，这是遮挡模式的基本要素。为了了解区域和渠道之间的关系，引入了渠道意识的注意。此外，我们可以使用规则来识别嫌疑人，该规则将更多的注意力集中在可见区域上，而将更少的注意力放在特定遮挡模式下的遮挡区域上。对两个具有挑战性的数据集的广泛评估证实了拟议的CGM的有效性。我们可以过滤掉可见区域，这是遮挡模式的基本要素。为了了解区域和渠道之间的关系，引入了渠道意识的注意。此外，我们可以使用规则来识别嫌疑人，该规则将更多的注意力集中在可见区域上，而将更少的注意力放在特定遮挡模式下的遮挡区域上。对两个具有挑战性的数据集的广泛评估证实了拟议的CGM的有效性。