基于视频的顶推式行人重识别
计算机视觉与模式识别
2016-07-08 v2
摘要
大多数现有的行人重识别（re-id）模型专注于跨不相交摄像机视图匹配静态行人图像。由于从静态图像中只能利用有限信息，克服遮挡、姿态与摄像机视角变化以及光照变化问题十分困难（即便可能）。相比之下，基于视频的 re-id 方法可利用额外的时空信息，其中包含更丰富的匹配线索以克服上述问题。然而，我们发现使用基于视频的表示时，某些类间差异会比使用基于静态图像的表示时更加模糊，因为不同行人不仅可能具有相似外观，还可能具有难以对齐的相似运动和动作。为解决此问题，我们提出一种顶推距离学习模型（TDL），其中集成了用于匹配行人视频特征的顶推约束。顶推约束强制优化 re-id 中的顶排序匹配，从而使匹配模型更有效地选择更具判别性的特征以区分不同行人。我们的实验表明，所提出的基于视频的 re-id 框架优于当前最先进的基于视频的 re-id 方法。
引用
@article{arxiv.1604.08683,
title = {Top-push Video-based Person Re-identification},
author = {Jinjie You and Ancong Wu and Xiang Li and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1604.08683},
year = {2016}
}
备注
In IEEE CVPR 2016