基于属性增强特征的视频行人重识别
计算机视觉与模式识别
2021-08-17 v1
摘要
基于视频的行人重识别(Re-ID)旨在利用监控视频在非重叠摄像头间关联行人,是一项具有挑战性的任务。行人属性(如性别、年龄和衣着特征)包含丰富且互补的信息,但在视频行人Re-ID中较少被探索。在本工作中,我们提出一种名为属性显著性辅助网络(Attribute Salience Assisted Network, ASA-Net)的新颖网络架构用于属性辅助的视频行人Re-ID,通过两种方法相较现有工作取得了可观的提升。首先,为学习更好的目标与背景分离,我们提出从中层属性而非高层身份学习视觉注意力。所提出的属性显著区域增强(Attribute Salient Region Enhance, ASRE)模块能够更准确地关注行人身体。其次,我们发现许多与身份无关但与物体或主体相关的因素(如目标行人的视角和动作)会极大影响行人的二维外观。该问题可通过一种新颖的三元组损失来探究身份相关与身份无关属性得以缓解,此损失称为姿态与运动不变(Pose & Motion-Invariant, PMI)三元组损失。
引用
@article{arxiv.2108.06946,
title = {Video Person Re-identification using Attribute-enhanced Features},
author = {Tianrui Chai and Zhiyuan Chen and Annan Li and Jiaxin Chen and Xinyu Mei and Yunhong Wang},
journal= {arXiv preprint arXiv:2108.06946},
year = {2021}
}