用于多行人跟踪中概率数据关联的深层行人重识别
计算机视觉与模式识别
2018-10-22 v1
摘要
我们提出了一种基于视觉的多行人跟踪的数据关联方法，利用深度卷积特征根据外观区分不同行人。这些重识别（re-ID）特征被学习为对旋转、平移和背景变化等变换具有不变性，从而允许对场景中移动的行人进行一致识别。我们将 re-ID 特征纳入用于多人跟踪的通用数据关联似然模型，通过在两个评估视频序列中使用该模型进行跟踪来实验验证此模型，并考察相较于若干基线方法所获得的性能提升。我们的结果表明，使用深层行人重识别进行数据关联极大提升了跟踪对遮挡和路径交叉等挑战的鲁棒性。
引用
@article{arxiv.1810.08565,
title = {Deep Person Re-identification for Probabilistic Data Association in Multiple Pedestrian Tracking},
author = {Brian H. Wang and Yan Wang and Kilian Q. Weinberger and Mark Campbell},
journal= {arXiv preprint arXiv:1810.08565},
year = {2018}
}