PRISM：基于结构化匹配的人员重识别
计算机视觉与模式识别
2015-05-11 v4 机器学习
机器学习
摘要
人员重识别（re-id）是视觉监控中一个新兴的问题，旨在当个体穿越由摄像头网络监控的不同位置时维持其身份实体。从视觉角度来看，由于个体在不同摄像头中因姿态、光照和校准差异而导致外观发生显著变化，重识别具有挑战性。全局挑战在于需要在不同摄像头视图间的所有个体实体之间保持结构一致的匹配。我们提出了 PRISM，一种结构化匹配方法，以共同应对这些挑战。我们将全局问题视为加权图匹配问题，并通过学习基于训练示例中视觉模式的共现来预测边权重。这些基于共现的得分反过来通过推断训练实例中可能出现和不太可能出现的视觉共现来解释外观变化。我们在单 shot 和多 shot 场景下实现了 PRISM。PRISM 在匹配率方面一致优于最先进方法（state-of-the-art），同时具有计算效率。
引用
@article{arxiv.1406.4444,
title = {PRISM: Person Re-Identification via Structured Matching},
author = {Ziming Zhang and Venkatesh Saligrama},
journal= {arXiv preprint arXiv:1406.4444},
year = {2015}
}