真实无约束环境下的大规模多模态人员识别
计算机视觉与模式识别
2019-12-30 v1 信号处理
摘要
在真实无约束噪声环境下的人员识别（P-ID）是一项巨大挑战。在使用深度卷积神经网络（DCNNs）或机器学习方法进行野外大规模人员识别的多特征学习中，关键是设计一种能够增强判别力的决策层融合或特征层融合的适当策略。提取不同类型的有效特征并建立合理的框架来融合不同类型的信息是必要的。在传统方法中，不同人员是基于单模态特征进行识别的，例如人脸特征、音频特征和头部特征。这些传统方法无法在真实无约束环境下实现高精度的人员识别。本研究旨在提出一种融合模块，以融合多模态特征用于真实无约束环境下的人员识别。
引用
@article{arxiv.1912.12134,
title = {Large-scale Multi-modal Person Identification in Real Unconstrained Environments},
author = {Jiajie Ye and Yisheng Guan and Junfa Liu and Xinghong Huang and Hong Zhang},
journal= {arXiv preprint arXiv:1912.12134},
year = {2019}
}
备注
6 pages, IEEE International Conference on Robotics and Biomimetics 2019