用于行人重识别的朝向驱动表观袋
计算机视觉与模式识别
2016-05-10 v1
摘要
行人重识别(re-id)旨在跨摄像头网络关联同一行人，这对于智能视频监控很有价值并引起了广泛关注。尽管行人重识别研究正在取得进展，但仍面临一些挑战，如姿态、光照和视角的变化。对于重识别中的特征表示，现有工作通常使用低级描述子，未能充分利用身体结构信息，导致表示能力低。为解决该问题，本文提出基于中级身体结构的特征表示(BSFR)，其引入身体结构金字塔用于在人体垂直方向上进行码本学习和特征池化。此外，人体水平方向上的视角变化通常导致数据缺失问题，即同一行人不同朝向获取的表观可能有显著差异。为解决该问题，提出朝向驱动表观袋(ODBoA)以利用通过朝向估计技术提取的行人朝向信息。为合理评估所提方法，我们基于Market-1501数据集引入了一个新的重识别数据集(Market-1203)，并提出了一种新的重识别数据集(PKU-Reid)。两个数据集均包含每个行人不同身体朝向下捕获的多张图像。在三个公共数据集和两个所提数据集上的实验结果表明了所提方法的优越性，表明身体结构和朝向信息对于提升重识别性能的有效性。
引用
@article{arxiv.1605.02464,
title = {Orientation Driven Bag of Appearances for Person Re-identification},
author = {Liqian Ma and Hong Liu and Liang Hu and Can Wang and Qianru Sun},
journal= {arXiv preprint arXiv:1605.02464},
year = {2016}
}
备注
13 pages, 15 figures, 3 tables, submitted to IEEE Transactions on Circuits and Systems for Video Technology