面向跨远距离场景相机内监督行人重识别的跨相机特征预测
计算机视觉与模式识别
2021-07-30 v1 人工智能
摘要
行人重识别（Re-ID）旨在跨非重叠相机视角匹配行人图像。大多数 Re-ID 方法聚焦于小规模监控系统，其中每个行人在相邻场景的不同相机视角中被捕获。然而，在覆盖更大区域的大规模监控系统中，需要在远距离场景间追踪感兴趣的行人的行踪（例如犯罪嫌疑人在城市间逃窜）。由于大多数行人仅出现在有限局部区域，难以收集含同一行人跨相机配对的数据。本文研究跨远距离场景的相机内监督行人重识别（ICS-DS Re-ID），其利用带相机内身份标签的跨相机非配对数据进行训练。该任务具有挑战性，因为跨相机配对数据在多数现有 Re-ID 方法中对于学习相机不变特征起着关键作用。为从跨相机非配对训练数据中学习相机不变表示，我们提出一种跨相机特征预测方法，通过变换伪跨相机正样本特征对、并从相机特定特征分布中挖掘跨相机自监督信息以最小化伪配对间的距离。此外，我们利用 transformer 自动定位并提取局部级特征。全局级与局部级特征的联合学习构成了一种全局-局部跨相机特征预测方案，用于挖掘细粒度跨相机自监督信息。最后，跨相机自监督与相机内监督在一个框架中聚合。实验在 Market-SCT、Duke-SCT 和 MSMT17-SCT 数据集上的 ICS-DS 设定下进行。评估结果表明了本方法的优越性，相较于次优方法在 Market-SCT 上 Rank-1 提升 15.4、mAP 提升 22.3。
引用
@article{arxiv.2107.13904,
title = {Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes},
author = {Wenhang Ge and Chunyan Pan and Ancong Wu and Hongwei Zheng and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2107.13904},
year = {2021}
}
备注
10 pages, 6 figures, accepted by ACM International Conference on Multimedia