基于深度学习的行人重识别方法：近期工作综述与展望
计算机视觉与模式识别
2022-01-14 v5
摘要
近年来，随着公共安全需求的日益增长和智能监控网络的快速发展，行人重识别（Re-ID）已成为计算机视觉领域的研究热点之一。行人重识别的主要研究目标是从不同摄像头中检索出具有相同身份的人员。然而，传统的行人重识别方法需要人工标注行人目标，耗费大量人力成本。随着深度神经网络的广泛应用，许多基于深度学习的行人重识别方法应运而生。因此，本文旨在帮助研究人员了解该领域的最新研究成果与未来趋势。首先，我们总结了若干近期发表的行人重识别综述研究，并补充最新研究方法，对基于深度学习的行人重识别方法进行系统分类。其次，我们提出了一种多维分类法，根据度量与表示学习将当前基于深度学习的行人重识别方法划分为四类，包括深度度量学习方法、局部特征学习方法、生成对抗学习方法和序列特征学习方法。此外，我们依据方法论与动机对上述四类进一步细分，并讨论了部分子类的优势与局限。最后，我们讨论了行人重识别面临的一些挑战与可能的研究方向。
引用
@article{arxiv.2110.04764,
title = {Deep learning-based person re-identification methods: A survey and outlook of recent works},
author = {Zhangqiang Ming and Min Zhu and Xiangkun Wang and Jiamin Zhu and Junlong Cheng and Chengrui Gao and Yong Yang and Xiaoyong Wei},
journal= {arXiv preprint arXiv:2110.04764},
year = {2022}
}
备注
23 pages, 7 figures