基于关键人物辅助的偏序行人集合重识别方法

理想情况下，行人重识别旨在寻找完美的特征表示与度量模型，以在不同位置、不同相机配置的非重叠视角下良好地重识别所有各类行人，这极具挑战性。然而，在大多数行人集合中，总存在一些相对易于重识别的突出人物。受这种数据划分存在的启发，我们提出了一种基于重新定义的偏序行人集合的新颖关键人物辅助行人重识别框架。这些突出人物，即“关键人物”，通过基于 K 近邻的显著性度量选出。由监控中行人进入时间定义的偏序将关键人物与查询人物在时间上关联，并有助于定位可能的候选者。在两个视频数据集上的实验表明，所提出的关键人物辅助框架优于当前最优（SOTA）方法，并在所有排序位次上大幅提升了匹配准确率。