野外行人重识别
计算机视觉与模式识别
2017-04-07 v2
摘要
我们提出了一个新颖的大规模数据集以及用于原始视频帧中端到端行人检测与身份识别的综合基线。我们的基线解决三个问题：各种检测器与识别器组合的性能、有助于提升整体重识别精度的行人检测机制，以及评估不同检测器对于重识别的有效性。我们做出三点显著贡献。首先，引入一个新数据集 PRW，用于评估野外行人重识别，使用通过六个同步摄像头获取的视频。它包含 932 个身份和 11,816 帧，其中行人以其边界框位置和身份标注。在该数据集上给出了广泛的基准测试结果。其次，我们展示行人检测通过两个简单而有效的改进来帮助重识别：利用卷积神经网络 (CNN) 特征在行人子空间中判别训练的 ID 判别嵌入 (IDE)，以及将检测分数纳入相似度度量的置信度加权相似度 (CWS) 度量。第三，我们推导出在精确行人重识别特定场景下评估检测器性能的见解。
引用
@article{arxiv.1604.02531,
title = {Person Re-identification in the Wild},
author = {Liang Zheng and Hengheng Zhang and Shaoyan Sun and Manmohan Chandraker and Yi Yang and Qi Tian},
journal= {arXiv preprint arXiv:1604.02531},
year = {2017}
}
备注
accepted as spotlight to CVPR 2017