基于行人属性本体的语义级行人重识别系统
计算机视觉与模式识别
2025-06-06 v1 人工智能
摘要
行人重识别（Re-ID）在视频监控系统中是一项非常重要的任务，例如跟踪人员、在公共场所寻找人员或分析超市中的顾客行为。尽管已有许多工作来解决这个问题，但仍然存在一些挑战，例如大规模数据集、数据不平衡、视角、细粒度数据（属性），局部特征在Re-ID任务的在线阶段未在语义级别使用，此外，属性的数据不平衡问题也未得到考虑。本文提出了一种统一的Re-ID系统，由三个主要模块组成：行人属性本体（PAO）、局部多任务DCNN（Local MDCNN）和不平衡数据求解器（IDS）。我们Re-ID系统的新要点在于PAO、Local MDCNN和IDS的相互支持能力，以利用属性组内相关性，并基于语义信息（如时尚属性和面部属性）从候选集中预过滤不匹配的候选者，从而在不调整网络架构和数据增强的情况下解决属性数据不平衡问题。我们在著名的Market1501数据集上进行了实验。实验结果表明了我们Re-ID系统的有效性，并且与一些最先进的Re-ID方法相比，它可以在Market1501数据集上取得更高的性能。
引用
@article{arxiv.2506.04143,
title = {Person Re-Identification System at Semantic Level based on Pedestrian Attributes Ontology},
author = {Ngoc Q. Ly and Hieu N. M. Cao and Thi T. Nguyen},
journal= {arXiv preprint arXiv:2506.04143},
year = {2025}
}