ShARc：面向野外环境下人员识别的形状与外观识别
计算机视觉与模式识别
2023-10-25 v1
摘要
在无约束视频设置中识别个体是一项有价值但具有挑战性的生物特征分析任务，因为存在外观、环境、退化和遮挡的变化。在本文中，我们提出 ShARc，一种用于非受控环境中基于视频的人员识别的多模态方法，强调 3-D 身体形状、姿态和外观。我们引入了两个编码器：姿态与形状编码器（PSE）和聚合外观编码器（AAE）。PSE 通过二值化轮廓、骨架运动和 3-D 身体形状来编码身体形状，而 AAE 提供两级时间外观特征聚合：基于注意力的特征聚合和平均聚合。对于基于注意力的特征聚合，我们采用空间和时间注意力来聚焦于用于人员区分的关键区域。对于平均聚合，我们在平均之后引入了一种新颖的展平层，以提取更具区分性的信息并减少注意力的过拟合。我们利用质心特征平均进行图库注册。我们在公开数据集（包括 CCVID、MEVID 和 BRIAR）上展示了对现有最先进方法的显著改进。
引用
@article{arxiv.2310.15946,
title = {ShARc: Shape and Appearance Recognition for Person Identification In-the-wild},
author = {Haidong Zhu and Wanrong Zheng and Zhaoheng Zheng and Ram Nevatia},
journal= {arXiv preprint arXiv:2310.15946},
year = {2023}
}
备注
WACV 2024