基于时空管分析视频中的行人重识别
计算机视觉与模式识别
2019-02-14 v1
摘要
典型的行人重识别框架在图像库中搜索 k 个最佳匹配，这些图像通常在变化条件下采集。当在视频上进行重识别时，图像库可能包含图像序列。然而，该过程耗时，因为重识别必须多次执行。本文中，我们提取运动行人的时空帧序列（称为管/tubes），并应用多阶段处理，将给定查询管与通过其他摄像机记录的存储管库进行匹配。最初，我们应用二值分类器从输入查询管中去除噪声图像。下一步，我们使用基于关键姿态检测的查询最小化。这通过去除冗余帧来缩短查询管的长度。最后，使用 3 阶段分层重识别框架根据匹配分数对输出管进行排序。使用公开可用的视频重识别数据集进行的实验表明，我们的框架优于当前最优（SOTA）方法。它在多个数据集上将管的排序累积匹配特性（CMC）准确率提高了 6-8%。此外，我们的方法显著减少了假阳性数量。我们构建了一个新的视频重识别数据集，名为基于管的重识别视频数据集（TRiViD），旨在帮助重识别研究社区。
引用
@article{arxiv.1902.04856,
title = {Person Re-identification in Videos by Analyzing Spatio-Temporal Tubes},
author = {Sk. Arif Ahmed and Debi Prosad Dogra and Heeseung Choi and Seungho Chae and Ig-Jae Kim},
journal= {arXiv preprint arXiv:1902.04856},
year = {2019}
}