面向跨摄像头数据关联的图神经网络
计算机视觉与模式识别
2022-01-19 v1
摘要
跨摄像头图像数据关联对于许多多摄像头计算机视觉任务至关重要，例如多摄像头行人检测、多摄像头多目标跟踪、三维姿态估计等。该关联任务通常被表述为二部图匹配问题，并常通过最小代价流技术求解，在处理大规模数据时可能计算效率低下。此外，摄像头通常成对处理，获得局部解，而非一次性求得全局解。另一个关键问题是亲和度度量：广泛使用的是不可学习的预定义距离，如欧氏距离和余弦距离。本文提出了一种高效的跨摄像头数据关联方法，侧重于全局解，而非成对处理摄像头。为避免使用固定距离，我们利用图神经网络的连通性（此前在该领域未被使用），使用消息传递网络联合学习特征与相似性。我们在行人多视角关联上验证了该方案，展示了在EPFL多摄像头行人数据集上的结果。我们的方法显著优于现有文献中的数据关联技术，且无需在与测试相同的场景中进行训练。我们的代码可在 \url{http://www-vpu.eps.uam.es/publications/gnn_cca} 获取。
引用
@article{arxiv.2201.06311,
title = {Graph Neural Networks for Cross-Camera Data Association},
author = {Elena Luna and Juan C. SanMiguel and José M. Martínez and Pablo Carballeira},
journal= {arXiv preprint arXiv:2201.06311},
year = {2022}
}