利用全局摄像机网络约束进行无监督视频行人重识别
计算机视觉与模式识别
2020-12-15 v3
摘要
由于跨摄像机样本标注耗时费力，近期提出了许多针对基于视频的重识别问题的无监督方法。然而，这些方法忽略了整个摄像机网络中的高阶关系，导致在合并来自不同摄像机对的匹配结果时产生矛盾输出。在本文中，我们通过提出一致跨视图匹配（CCM）框架来解决无监督基于视频的重识别问题，其中利用全局摄像机网络约束来保证匹配对的一致性。具体而言，我们首先提出利用每个样本的第一邻居来发现样本间的关系并找到每个摄像机中的分组。此外，提出了遵循全局摄像机网络约束的跨视图匹配策略，以探索整个摄像机网络中的匹配关系。最后，我们通过交替挖掘一致的跨视图匹配对并使用这些获得的匹配更新度量模型，逐步为摄像机对学习度量模型。在两个广泛使用的视频重识别基准上的严格实验证明了所提方法优于当前最先进的无监督方法；例如，在 MARS 数据集上，我们的方法在 rank-1 准确率上比无监督方法提高了 4.2%，甚至比基于单样本监督的方法提高了 2.5%。
引用
@article{arxiv.1908.10486,
title = {Exploiting Global Camera Network Constraints for Unsupervised Video Person Re-identification},
author = {Xueping Wang and Rameswar Panda and Min Liu and Yaonan Wang and Amit K Roy-Chowdhury},
journal= {arXiv preprint arXiv:1908.10486},
year = {2020}
}
备注
This paper has been accepted to IEEE Transactions on Circuits and Systems for Video Technology (T-CSVT)