开放世界动态摄像机网络中的无监督自适应再识别
计算机视觉与模式识别
2017-06-13 v1
摘要
行人再识别是计算机视觉中一个开放且具挑战性的问题。现有方法集中于在摄像机数量固定的静态网络环境中，设计最佳特征表示或学习最优匹配度量。大多数方法忽略了再识别问题的动态与开放世界特性，即可能会有新摄像机被临时插入现有系统以获取额外信息。为应对这一新颖且极具实用价值的问题，我们提出了一种用于动态摄像机网络中再识别模型的无监督自适应方案。首先，我们提出了一种基于测地流核的领域感知再识别方法，该方法能有效找到最佳的源摄像机(已安装)以与新引入的目标摄像机进行自适应，而无需昂贵的训练阶段。其次，我们引入了一种再识别的传递推理算法，利用最佳源摄像机的信息来提高多摄像机网络中其他摄像机对的准确率。在四个基准数据集上的大量实验表明，所提方法在计算极其高效的同时，显著优于基于无监督学习的 SOTA 替代方法。
引用
@article{arxiv.1706.03112,
title = {Unsupervised Adaptive Re-identification in Open World Dynamic Camera Networks},
author = {Rameswar Panda and Amran Bhuiyan and Vittorio Murino and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:1706.03112},
year = {2017}
}
备注
CVPR 2017 Spotlight