多摄像机下的联合行人重识别与摄像机网络拓扑推断

行人重识别是在多摄像机网络中跨多个视角识别或辨认行人的任务。尽管行人重识别已取得很大进展，但由于大量摄像机和行人带来的巨大时空不确定性和高复杂度，大规模多摄像机网络中的行人重识别仍是一项具有挑战性的任务。为应对这些困难，应提供摄像机网络拓扑等额外信息，但不幸的是，这类信息也难以自动估计。在本研究中，我们提出一个统一框架，以最少的环境先验知识联合解决行人重识别与摄像机网络拓扑推断问题。该框架考虑了通用的多摄像机网络环境，并可应用于大规模多摄像机网络中的在线行人重识别。此外，为有效展示所提框架的优越性，我们提供了一个带有完整标注的新行人重识别数据集，名为SLP，该数据集在由九个非重叠摄像机组成的多摄像机网络中采集。使用我们的行人重识别数据集和公开数据集的实验结果表明，所提方法在行人重识别和摄像机拓扑推断任务上均展现出良好的前景。