一种用于人员重识别的新型视觉词共现模型
计算机视觉与模式识别
2014-10-27 v1
摘要
人员重识别旨在通过不同的非重叠摄像头视图在不同地点保持个体身份的一致性。由于姿态、光照和摄像头配置差异导致的外观变化，该问题本质上极具挑战性。为应对这些困难，我们提出了一种新型视觉词共现模型。我们首先使用以无监督方式学习得到的码本，将图像的每个像素映射为一个视觉词。摄像头视图间的外观变换通过探测图像与库图像中视觉词联合分布的共现矩阵进行编码。我们的外观模型自然地考虑了由跨摄像头视图的姿态、光照和配置变化引起的空间相似性与变异。随后，利用这些共现描述符训练线性 SVM 作为分类器。在 VIPeR 和 CUHK Campus 基准数据集上，我们的方法在累积匹配特性（CMC）曲线上的 rank-15 准确率分别达到 83.86% 和 85.49%，超越最先进结果（SOTA）达 10.44% 和 22.27%。
引用
@article{arxiv.1410.6532,
title = {A Novel Visual Word Co-occurrence Model for Person Re-identification},
author = {Ziming Zhang and Yuting Chen and Venkatesh Saligrama},
journal= {arXiv preprint arXiv:1410.6532},
year = {2014}
}
备注
Accepted at ECCV Workshop on Visual Surveillance and Re-Identification, 2014