基于鲁棒特征的开放世界行人重识别
计算机视觉与模式识别
2021-02-23 v1
摘要
深度学习技术推动了行人重识别（re-ID）的快速发展。然而，开放世界中仍存在若干挑战。首先，现有 re-ID 研究通常假设仅单一因素变量（视角、衣着、行人姿态、行人遮挡、图像分辨率、RGB/IR 模态）发生变化，忽视了开放世界中多因素变量的复杂性。其次，现有 re-ID 方法过度依赖行人衣着颜色等表观特征，而这些特征易被伪装或改变。此外，缺乏包含多因素变量的基准数据集也阻碍了 re-ID 在开放世界中的实际应用。本文中，我们提出一种低成本高效率的方法以解决现有 re-ID 研究的不足，如特征选择不可靠、特征提取效率低、研究变量单一等。我们的方法基于经群卷积改进的姿态估计模型来获取行人连续关键点，并利用动态时间规整（DTW）度量不同行人间的特征相似度。同时，为验证方法有效性，我们提供了一个更贴近真实世界且包含行人换衣与跨模态因素变量融合的微型数据集。我们进行了充分实验，结果表明我们的方法在该数据集上取得了 Rank-1: 60.9%、Rank-5: 78.1% 和 mAP: 49.2%，超越了大多数现有 SOTA re-ID 模型。
引用
@article{arxiv.2102.10798,
title = {Person Re-identification based on Robust Features in Open-world},
author = {Yaguan Qian and Anlin Sun},
journal= {arXiv preprint arXiv:2102.10798},
year = {2021}
}