一种用于遮挡像素重建的端到端时空特征框架以改进行人重识别
计算机视觉与模式识别
2023-04-18 v1
摘要
行人重识别对于监控和跟踪人群移动以增强公共安全至关重要。然而，存在遮挡时的重识别显著降低了现有系统的性能，且是一个具有挑战性的领域。在这项工作中，我们通过开发由深度神经网络组成的 RGB 图像/视频的有效遮挡检测与重建框架，对此问题提出了一个合理的解决方案。具体而言，一个基于 CNN 的遮挡检测模型对单个输入帧进行分类，随后分别通过 Conv-LSTM 和自动编码器对对应于遮挡帧的遮挡像素进行重建，以处理序列（视频）与非序列（图像）数据。重建的 RGB 帧的质量通过使用条件生成对抗网络（cGAN）进一步精炼和微调。我们的方法在该领域的四个知名公共数据集上进行了评估，定性的重建结果确实引人注目。基于连体网络的重识别准确率的定量评估显示，在各数据集上经遮挡像素重建后取得了卓越的 Rank-1 准确率。与最先进方法的比较分析也证明了我们的工作用于现实监控系统的鲁棒性。
引用
@article{arxiv.2304.07721,
title = {A Novel end-to-end Framework for Occluded Pixel Reconstruction with Spatio-temporal Features for Improved Person Re-identification},
author = {Prathistith Raj Medi and Ghanta Sai Krishna and Praneeth Nemani and Satyanarayana Vollala and Santosh Kumar},
journal= {arXiv preprint arXiv:2304.07721},
year = {2023}
}