基于无监督视频匹配的人员重识别
计算机视觉与模式识别
2016-11-29 v2
摘要
大多数现有人员重识别(ReID)方法仅依赖来自单幅或多幅行人图像的空间外观信息，而忽略了视频或图像序列数据中易得的时空线索。此外，它们常假定每对摄像头都有详尽标注的跨视角成对数据，导致无法扩展到真实世界大规模摄像头网络中的ReID应用。本工作中，我们提出一种新颖的基于视频的人员ReID方法，能够在无任何标注成对数据情况下，从任意未对齐图像序列中准确跨视角匹配行人。具体而言，我们通过以时间序列形式编码多粒度时空动态，引入一种新的时空行人表征。此外，推导出一种时间偏移动态时间规整(Time Shift Dynamic Time Warping, TS-DTW)模型，用于自动对齐，同时以统一方式实现固有不准确与不完整序列间的数据选择与匹配。我们进一步扩展TS-DTW模型以容纳图像序列的多个特征序列，从而融合来自不同描述的信息。关键在于，该模型不需要成对标注训练数据（即无监督），因此可轻松扩展至任意摄像头对的大规模摄像头网络，而无需为每对摄像头进行详尽数据标注。我们利用两个基准ReID数据集PRID2011与iLIDS-VID，通过与相关最先进方法的广泛比较，展示了所提方法的有效性与优势。
引用
@article{arxiv.1611.08512,
title = {Person Re-Identification by Unsupervised Video Matching},
author = {Xiaolong Ma and Xiatian Zhu and Shaogang Gong and Xudong Xie and Jianming Hu and Kin-Man Lam and Yisheng Zhong},
journal= {arXiv preprint arXiv:1611.08512},
year = {2016}
}