面向无对齐遮挡行人重识别的前景感知金字塔重建
计算机视觉与模式识别
2019-04-12 v2
摘要
跨多个不相交摄像头视角对行人进行重识别，对于智能视频监控、智慧零售及许多其他应用十分重要。然而，现有的行人重识别（ReID）方法受到行人上普遍存在的遮挡问题的挑战，并遭遇性能下降。本文提出了一种新颖的针对遮挡行人ReID的鲁棒且无需对齐的模型，并将其应用拓展至真实且拥挤的场景。所提模型首先利用全卷积网络（FCN）与金字塔池化提取空间金字塔特征。随后，开发了一种无需对齐的匹配方法，即前景感知金字塔重建（FPR），用于在不同尺度与尺寸下精确计算遮挡行人之间的匹配分数。FPR利用空间金字塔特征上鲁棒重建的误差来衡量两个行人之间的相似度。更重要的是，我们设计了一个遮挡敏感的前景概率生成器，其更关注干净的人体部位，从而以更少的遮挡干扰来精炼相似度计算。FPR可轻松嵌入任意端到端行人ReID模型中。所提方法的有效性在三个遮挡行人数据集：Partial REID（78.30%）、Partial iLIDS（68.08%）和 Occluded REID（81.00%）；以及三个基准行人数据集：Market1501（95.42%）、DukeMTMC（88.64%）和 CUHK03（76.08%）上的实验结果（Rank-1准确率）得到了清晰证明。
引用
@article{arxiv.1904.04975,
title = {Foreground-aware Pyramid Reconstruction for Alignment-free Occluded Person Re-identification},
author = {Lingxiao He and Yinggang Wang and Wu Liu and Xingyu Liao and He Zhao and Zhenan Sun and Jiashi Feng},
journal= {arXiv preprint arXiv:1904.04975},
year = {2019}
}
备注
10 pages, 7 figures