基于多粒度匹配与整合的群体重识别
计算机视觉与模式识别
2019-05-28 v2
摘要
在不同相机视角下重识别人群群体的任务是一个重要但较少被研究的问题。群体重识别(Re-ID)是一项极具挑战性的任务，因为它不仅受到传统单目标 Re-ID 问题中常见问题的不利影响，如视角与人姿变化，而且还受制于群体布局与群体成员的变化。本文提出一种新颖的群体粒度概念，通过多粒度对象刻画群体图像：个体人员以及群体内两人或三人的子群体。为实现鲁棒的群体 Re-ID，我们首先引入多粒度表示，可通过两种独立方案提取，即一种基于手工描述子，另一种基于深度神经网络。所提表示旨在刻画多粒度对象的外观与空间关系，并进一步配备捕获群体内动态变化的重要性权重。最优的群体间匹配由多阶匹配过程促进，该过程进而以迭代方式动态更新重要性权重。我们在三个包含复杂场景与大规模动态的多相机群体数据集上进行了评估，实验结果证明了我们方法的有效性。发布的数据集可在 \url{http://min.sjtu.edu.cn/lwydemo/GroupReID.html} 找到。
引用
@article{arxiv.1905.07108,
title = {Group Re-Identification with Multi-grained Matching and Integration},
author = {Weiyao Lin and Yuxi Li and Hao Xiao and John See and Junni Zou and Hongkai Xiong and Jingdong Wang and Tao Mei},
journal= {arXiv preprint arXiv:1905.07108},
year = {2019}
}
备注
14 pages, 10 figures, to appear in IEEE transaction on Cybernetics