高海拔与远距离下的无约束身体识别：四种方法的比较
计算机视觉与模式识别
2025-02-12 v1 人工智能
机器学习
摘要
本研究探讨了四种不同方法用于长期人体识别的body shape。与依赖暂时特征（如衣物）的短期重识别系统不同，我们聚焦于学习保持时间稳定的持久身体形状特征。我们引入一种基于Vision Transformer(ViT)的body identification模型（Body Identification from Diverse Datasets, BIDDS），以及一种基于Swin-ViT的模型（Swin-BIDDS）。我们也改进了之前基于语言和非语言核心ResNet身份模型（LCRIM和NLCRIM）的方法，但进行了改进训练。所有模型都在超过190万张约5000个身份证的大型多样数据集上进行训练，覆盖9个数据库。性能在标准重识别基准数据集（MARS、MSMT17、Outdoor Gait、DeepChange）以及包含远距离图像（从近距离到1000米）、海拔高度（来自无人机UAV）以及衣物变化的无约束数据集上进行评估。这些模型之间的比较分析提供了关于不同主干架构和输入图像大小如何影响在真实世界条件下长期身体识别性能的见解。
关键词
引用
@article{arxiv.2502.07130,
title = {Unconstrained Body Recognition at Altitude and Range: Comparing Four Approaches},
author = {Blake A Myers and Matthew Q Hill and Veda Nandan Gandi and Thomas M Metz and Alice J O'Toole},
journal= {arXiv preprint arXiv:2502.07130},
year = {2025}
}