Seq-Masks：弥合基于视频的人员重识别中表观与步态建模的鸿沟
计算机视觉与模式识别
2021-12-13 v1
摘要
基于视频的人员重识别（Re-ID）旨在匹配由互不相交的监控摄像头所拍摄视频序列中的行人图像。传统的基于视频的人员 Re-ID 方法侧重于挖掘表观信息，因而易受光照变化、场景噪声、相机参数，尤其是衣着/携带物变化的影响。步态识别提供了一种隐式生物特征方案以缓解上述难题。然而，其性能随相机视角变化而出现严重退化。为尝试解决这些问题，本文提出一种利用视频中序列掩码（SeqMasks）的框架，以紧密方式融合表观信息与步态建模。具体而言，为充分验证方法有效性，我们基于 MARS 构建了一个名为 MaskMARS 的新数据集。在我们提出的大型野外视频 Re-ID 数据集 MaskMARS 上的综合实验证明了我们卓越的性能与泛化能力。在步态识别指标 CASIA-B 数据集上的验证进一步展示了我们混合模型的能力。
引用
@article{arxiv.2112.05626,
title = {Seq-Masks: Bridging the gap between appearance and gait modeling for video-based person re-identification},
author = {Zhigang Chang and Zhao Yang and Yongbiao Chen and Qin Zhou and Shibao Zheng},
journal= {arXiv preprint arXiv:2112.05626},
year = {2021}
}
备注
ICASSP2021 Submission