基于关系 Stein 散度的多镜头行人重识别

行人重识别由于不同摄像头视角下外观的显著变化而特别具有挑战性。为了重识别行人，一个有代表性的人体特征应能有效处理光照、姿态和摄像头参数的差异。虽然基于外观的通用方法在欧几里得空间中建模，但已有观点认为图像和视频分析中的某些应用更适合通过非欧几里得流形几何来建模。为此，近期方法将图像表示为协方差矩阵，并将此类矩阵解释为黎曼流形上的点。由于在此类流形上直接分类可能很困难，本文提出通过一种最近引入的称为 Stein 散度的 Bregman 矩阵散度形式，将每个流形点表示为一个与类别代表之间的相似度向量。随后使用相似度向量的判别映射进行最终分类。使用相似度向量与将流形嵌入切空间这一传统方法形成对比，后者可能因不精确地表示流形结构而受损。在基准 ETHZ 和 iLIDS 数据集上针对行人重识别任务的比较评估表明，所提出的方法获得了比近期技术（如 Histogram Plus Epitome、Partial Least Squares 和 Symmetry-Driven Accumulation of Local Features）更好的性能。