面向视频行人重识别的空间-时间相关性与拓扑学习
计算机视觉与模式识别
2021-04-19 v1
摘要
基于视频的行人重识别旨在跨非重叠摄像头视角从视频序列中匹配行人。视频行人重识别的关键因素是有效利用视频序列中的空间与时间线索。本工作中，我们提出一种新颖的空间-时间相关性与拓扑学习框架（CTL），通过建模跨尺度空间-时间相关性来追求判别性与鲁棒表征。具体而言，CTL利用CNN主干网络与关键点估计器从人体多粒度提取语义局部特征作为图节点。它通过考虑全局上下文信息与人体现有物理连接，探索一种上下文增强的拓扑来构建多尺度图。此外，设计了3D图卷积与跨尺度图卷积，促进直接的跨时空与跨尺度信息传播，以捕获层次化空间-时间依赖与结构信息。通过联合执行这两种卷积，CTL有效挖掘与外观信息互补的全面线索，增强表征能力。在两个视频基准上的大量实验证明了所提方法的有效性以及最先进的性能。
引用
@article{arxiv.2104.08241,
title = {Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos},
author = {Jiawei Liu and Zheng-Jun Zha and Wei Wu and Kecheng Zheng and Qibin Sun},
journal= {arXiv preprint arXiv:2104.08241},
year = {2021}
}