分层高斯描述子及其在行人重识别中的应用
计算机视觉与模式识别
2017-06-15 v1
摘要
描述行人图像的颜色和纹理信息是行人重识别 (re-id) 最关键的方面之一。在本文中，我们提出了一种基于像素特征分层分布的新型元描述子。尽管分层协方差描述子已成功应用于图像分类，但协方差中缺失的像素特征均值信息往往成为行人重识别的主要判别信息。为了解决这个问题，我们通过包含均值和协方差的分层高斯分布来描述图像中的局部区域。更具体地说，该区域被建模为一组多个高斯分布，其中每个高斯分布代表一个局部图块的外观。这组高斯分布的特征再次由另一个高斯分布描述。在这两个步骤中，我们将高斯分布的参数嵌入到对称正定 (SPD) 矩阵流形上的一个点。通过改变在此嵌入中处理均值信息的方式，我们开发了两种分层高斯描述子。此外，我们开发了特征范数归一化方法，能够缓解描述子上存在的偏置趋势。在五个公开数据集上进行的实验结果表明，所提出的描述子在行人重识别上取得了极高的性能。
引用
@article{arxiv.1706.04318,
title = {Hierarchical Gaussian Descriptors with Application to Person Re-Identification},
author = {Tetsu Matsukawa and Takahiro Okabe and Einoshin Suzuki and Yoichi Sato},
journal= {arXiv preprint arXiv:1706.04318},
year = {2017}
}
备注
14 pages, 12 figures, 4 tables