基于累积运动上下文的视频行人重识别
计算机视觉与模式识别
2017-06-14 v2
摘要
基于视频的行人重识别在现实安全和视频监控中起着核心作用。本文中，我们提出一种新颖的累积运动上下文（Accumulative Motion Context, AMOC）网络来解决这一重要问题，其有效利用长程运动上下文以便在挑战性条件下鲁棒地识别同一个人。给定相同或不同人的视频序列，所提出的 AMOC 网络使用双流卷积架构从相邻帧集合中联合学习外观表示与运动上下文。然后 AMOC 通过循环聚合累积来自运动上下文的线索，允许相邻帧间有效的信息流动并捕捉行人的动态要点。AMOC 的架构是端到端可训练的，因此运动上下文可适应以在不利条件（例如遮挡）下补充外观线索。在三个公开基准数据集即 iLIDS-VID、PRID-2011 和 MARS 数据集上进行了大量实验以研究 AMOC 的性能。实验结果表明所提出的 AMOC 网络在基于视频的重识别上显著优于当前最优（SOTA）方法，并确认了利用长程运动上下文用于基于视频的行人重识别的优势，明显验证了我们的动机。
引用
@article{arxiv.1701.00193,
title = {Video-based Person Re-identification with Accumulative Motion Context},
author = {Hao Liu and Zequn Jie and Karlekar Jayashree and Meibin Qi and Jianguo Jiang and Shuicheng Yan and Jiashi Feng},
journal= {arXiv preprint arXiv:1701.00193},
year = {2017}
}
备注
accepted by TCSVT