面向行人重识别的含操作员回路深度序列多相机特征融合
计算机视觉与模式识别
2019-12-06 v4
摘要
给定一张目标图像作为查询，行人重识别系统在每相机基础上检索出排序的候选匹配列表。在已部署的系统中，人类操作员扫描这些列表并通过触摸或基于鼠标的选择来标记已目击的目标。然而，经典的 re-id 方法独立地生成每相机列表。因此，操作员在部分相机中对目标的识别无法被用于改善该目标在剩余网络相机中的排序。为解决这一缺陷，我们提出了一种新颖的序列多相机重识别方法。所提方法能够容纳人类操作员输入，并通过目标排序的单调改善提供早期增益。我们方法的核心是一个在查询与候选匹配的深层特征表示上操作的融合函数。我们制定了一种专门设计的优化过程以增量式改善查询表示。由于现有评估方法无法直接用于我们的设定，我们还提出了两种新颖的评估协议。在两个大规模重识别数据集（Market-1501、DukeMTMC-reID）上的结果表明，我们的多相机方法显著优于基线及其他流行的特征融合方案。此外，我们开展了一项基于受试者的操作员性能比较研究。我们的方法所赋能的优越操作员性能为其集成到可部署的视频监控系统中提供了有力依据。
引用
@article{arxiv.1807.07295,
title = {Operator-in-the-Loop Deep Sequential Multi-camera Feature Fusion for Person Re-identification},
author = {K L Navaneet and Ravi Kiran Sarvadevabhatla and Shashank Shekhar and R. Venkatesh Babu and Anirban Chakraborty},
journal= {arXiv preprint arXiv:1807.07295},
year = {2019}
}
备注
Accepted at IEEE Transactions on Information Forensics & Security