用于遮挡行人重识别的运动感知Transformer
计算机视觉与模式识别
2022-02-11 v2
摘要
近年来，遮挡行人重识别(Re-ID)仍是一项具有挑战性的任务，因为人群常被其他人或障碍物遮挡，尤其在拥挤场景中。本文提出一种自监督深度学习方法，通过遮挡行人重识别提升人体部件的定位性能。与以往工作不同，我们发现由不同人体姿态图像得到的运动信息有助于识别主要人体部件。首先，设计运动感知Transformer编码器-解码器架构以获取关键点热图与部件分割图。其次，利用仿射变换模块从关键点检测分支获取运动信息。随后运动信息将辅助分割分支获得精细化人体部件分割图，并有效将人体划分为合理分组。最后，多个案例证明了所提模型在区分人体不同代表性部件上的有效性，可避免背景与遮挡干扰。我们的方法在多个流行数据集（包括遮挡、局部及整体数据）上持续取得最先进结果。
引用
@article{arxiv.2202.04243,
title = {Motion-Aware Transformer For Occluded Person Re-identification},
author = {Mi Zhou and Hongye Liu and Zhekun Lv and Wei Hong and Xiai Chen},
journal= {arXiv preprint arXiv:2202.04243},
year = {2022}
}
备注
10 pages, 3 figures