利用时间约束改进行人重识别
计算机视觉与模式识别
2021-11-18 v1 计算机与社会
多媒体
摘要
在本文中，我们介绍了一个基于图像的行人重识别数据集，该数据集采集于爱尔兰都柏林一个大型繁忙机场的五个非重叠相机视角。与所有公开可用的基于图像的数据集不同，我们的数据集除帧号、相机ID和行人ID外，还包含时间戳信息。此外，我们的数据集已完全匿名化以符合现代数据隐私法规。我们将最先进的行人重识别模型应用于我们的数据集，并表明通过利用可用的时间戳信息，我们能够在mAP上实现37.43%的显著提升，在Rank1准确率上实现30.22%的提升。我们还提出了一种贝叶斯时间重排序后处理步骤，进一步在mAP指标上增加10.03%的提升，在Rank1准确率指标上增加9.95%的提升。这种结合视觉与时间信息的工作在其他基于图像的行人重识别数据集上无法完成。我们相信所提出的新数据集将推动面向挑战性现实世界应用的行人重识别研究的进一步发展。DAA数据集可从 https://bit.ly/3AtXTd6 下载。
引用
@article{arxiv.2111.09056,
title = {Improving Person Re-Identification with Temporal Constraints},
author = {Julia Dietlmeier and Feiyan Hu and Frances Ryan and Noel E. O'Connor and Kevin McGuinness},
journal= {arXiv preprint arXiv:2111.09056},
year = {2021}
}
备注
10 pages, RWS @ WACV2022