学习用于行人重识别的不变颜色特征
计算机视觉与模式识别
2014-10-10 v2
摘要
跨多摄像头视图匹配人员（即行人重识别）是一项具有挑战性的任务，原因在于光照条件变化导致的视觉外观改变。主体感知到的颜色随照明不同而显得各异。以往的工作要么直接使用原始颜色，要么通过设计专注于特定线索的颜色空间来应对这些挑战。本文提出了一种数据驱动的方法，用于从两个摄像头视图采样的图像像素中学习颜色模式。本工作的直觉是：尽管相同颜色的像素值在不同视图下会有所不同，但它们应被编码为相同的值。我们将颜色特征生成建模为一个学习问题，通过联合学习线性变换和字典来编码像素值。我们还分析了不同的光度不变颜色空间。仅使用颜色作为线索，我们将我们的方法与所有光度不变颜色空间进行了比较，并显示出优于所有对比方法的性能。结合其他学到的低层和高层特征，我们在 ViPER、Person Re-ID 2011 和 CAVIAR4REID 数据集上获得了令人鼓舞的结果。
引用
@article{arxiv.1410.1035,
title = {Learning Invariant Color Features for Person Re-Identification},
author = {Rahul Rama Varior and Gang Wang and Jiwen Lu},
journal= {arXiv preprint arXiv:1410.1035},
year = {2014}
}