长期换衣行人重识别
计算机视觉与模式识别
2020-10-08 v3
摘要
行人重识别 (Re-ID) 旨在跨不同地点和时间的相机视角匹配目标行人。现有的 Re-ID 研究聚焦于短期衣物一致的设定，在该设定下行人以相同着装重新出现在不同相机视角中。因此，现有深度 Re-ID 模型学到的判别性特征表示由衣物的视觉外观主导。在本工作中，我们关注一个更困难却更实际的设定，其中行人匹配在长时间跨度（例如数天和数月）上进行，因此不可避免地面临换衣的新挑战。这一问题被称为长期换衣 (LTCC) Re-ID，由于缺少大规模数据集而研究甚少。本工作的第一个贡献是一个新的 LTCC 数据集，包含长时间跨度内采集的、频繁换衣的行人。作为第二个贡献，我们提出了一种专门设计用于应对换衣挑战的新颖 Re-ID 方法。具体而言，我们认为在换衣情况下，身体形状等软生物特征将更为可靠。因此，我们引入了形状嵌入模块以及去衣形状蒸馏模块，旨在消除当前不可靠的衣物外观特征并聚焦于身体形状信息。大量实验表明，所提模型在新的 LTCC 数据集上取得了优越性能。代码与数据集将发布于 https://naiq.github.io/LTCC_Perosn_ReID.html。
引用
@article{arxiv.2005.12633,
title = {Long-Term Cloth-Changing Person Re-identification},
author = {Xuelin Qian and Wenxuan Wang and Li Zhang and Fangrui Zhu and Yanwei Fu and Tao Xiang and Yu-Gang Jiang and Xiangyang Xue},
journal= {arXiv preprint arXiv:2005.12633},
year = {2020}
}
备注
ACCV 2020 Oral