度量真实场景下行人重识别的时间行为
计算机视觉与模式识别
2018-08-17 v1
摘要
设计真实场景下的行人重识别（re-id）系统需要关注学术研究通常不予以考虑的运行层面问题。通常，探针图像或图像序列会与具有固定候选列表的图库集进行匹配。另一方面，在 re-id 的实际应用中，我们会在随时间不断加入新候选人的图库集中搜索感兴趣的人员。此类系统的操作者关心的一个关键问题是：对探针的正确匹配有多大的可能持续保留在候选者的 rank-k 短名单中？在本文中，我们提出将这一信息提炼为我们称之为排序持久性曲线（Rank Persistence Curve, RPC）的形式，与传统的累积匹配特性（cumulative match characteristic, CMC）曲线不同，它有助于直接比较不同 re-id 算法的时间性能。为细致阐明该概念，我们收集了一个名为 RPIfield 的新多镜头行人重识别数据集。RPIfield 数据集由 12 个摄像头组成的网络构建，包含约 4000 个干扰项中 112 条显式时间戳的演员路径。随后，我们利用所提出的 RPC，基于 RPIfield 的单摄像头与成对摄像头视频评估不同 re-id 算法的时间性能，并讨论未来研究的考量。
引用
@article{arxiv.1808.05499,
title = {Measuring the Temporal Behavior of Real-World Person Re-Identification},
author = {Meng Zheng and Srikrishna Karanam and Richard J. Radke},
journal= {arXiv preprint arXiv:1808.05499},
year = {2018}
}
备注
14 pages, 14 figures