鲁棒的基于深度信息的行人重识别

行人重识别（re-id）旨在跨非重叠摄像机视图匹配人员。到目前为止，现有的大多数工作广泛使用基于 RGB 的外观。然而，当人员出现在极端光照下或更换衣物时，基于 RGB 外观的 re-id 方法往往会失效。为了克服这个问题，我们提出利用深度信息来提供不受光照和颜色变化影响的更不变的身体形状和骨架信息。更具体地说，我们利用深度体素协方差描述符，并进一步提出一种称为 Eigen-depth 特征的局部旋转不变的深度形状描述符来描述行人身体形状。我们证明了黎曼流形上任意两个协方差矩阵之间的距离等价于对应 Eigen-depth 特征之间的欧氏距离。此外，我们提出了一种核化隐式特征传递方案，以便在深度信息不可用时从 RGB 图像中隐式估计 Eigen-depth 特征。我们发现，将估计的深度特征与基于 RGB 的外观特征相结合，有时有助于更好地减少由光照和相似衣物引起的外观特征的视觉歧义。与人员重识别相关方法相比，我们的模型在公开可用的深度行人数据集上的有效性得到了验证。