一种带可更新联合图像重排序的行人重识别框架
计算机视觉与模式识别
2018-03-09 v1
摘要
行人重识别在现实视频监控中发挥着重要作用，且对公共安全的需求日益增长。本文提出一种新颖的框架，带有针对现实监控系统行人重识别的图像更新规则。首先，利用均值漂移跟踪方法自动选取目标人物的视频帧片段，生成图像池。其次，通过卷积网络从图像池提取的特征协同对主图像的原始排序列表进行重排序，并生成匹配结果。此外，当视频系统中出现满足更新判定公式的新图像时，设计了更新规则以替换图像池中的图像。这些规则分为两类：若新图像与先前更新图像来自同一相机，则替换其中一张辅助图像；否则直接替换主图像。在 Market-1501、iLIDS-VID、PRID-2011 以及我们的 ITSD 数据集上进行了实验，验证了我们的框架在行人重识别的 rank-1 准确率和 mAP 上均优于现有方法。此外，该框架的更新能力在现实监控系统中提供了持续显著的准确率。
引用
@article{arxiv.1803.02983,
title = {A framework with updateable joint images re-ranking for Person Re-identification},
author = {Mingyue Yuan and Dong Yin and Jingwen Ding and Yuhao Luo and Zhipeng Zhou and Chengfeng Zhu and Rui Zhang},
journal= {arXiv preprint arXiv:1803.02983},
year = {2018}
}
备注
23 pages,5 figures. submitted to JVCI