用于跨视角行人重识别的多通道核典型相关分析
计算机视觉与模式识别
2017-03-22 v2
摘要
本文引入了一种方法，以克服多摄像机网络中行人重识别的主要挑战之一，即跨视角外观变化。所提出的解决方案通过利用多种特征表示，解决了不同摄像机视角下行人外观的极端变异性。对于每种特征，利用具有不同核的核典型相关分析（KCCA）来学习多个投影空间，在这些空间中，从不同摄像机观察到的同一行人的样本之间的外观相关性被最大化。最后使用迭代逻辑回归来选择并加权每个特征投影的贡献，并在两个视角之间执行匹配。实验评估表明，所提出的解决方案在 VIPeR 和 PRID 450s 数据集上获得了可比的性能，并在 PRID 和 CUHK01 数据集上优于现有技术。
引用
@article{arxiv.1607.02204,
title = {Multi Channel-Kernel Canonical Correlation Analysis for Cross-View Person Re-Identification},
author = {Giuseppe Lisanti and Svebor Karaman and Iacopo Masi},
journal= {arXiv preprint arXiv:1607.02204},
year = {2017}
}
备注
The latest/updated version of the manuscript with more experiments can be found at https://doi.org/10.1145/3038916. Please cite the paper using https://doi.org/10.1145/3038916