VRSTC：无遮挡视频行人重识别
计算机视觉与模式识别
2019-07-22 v1
摘要
视频行人重识别（re-ID）在监控视频分析中起着重要作用。然而，视频重识别的性能在部分遮挡下严重退化。在本文中，我们提出了一种称为时空补全网络（STCnet）的新网络，以显式处理部分遮挡问题。与大多数丢弃被遮挡帧的先前工作不同，STCnet 可以恢复被遮挡部分的外观。一方面，行人帧的空间结构可用于从该帧的未遮挡身体部分预测被遮挡身体部分。另一方面，行人序列的时间模式为生成被遮挡部分的内容提供了重要线索。利用时空信息，STCnet 可以恢复被遮挡部分的外观，其可与那些未遮挡部分结合以进行更准确的视频重识别。通过将重识别网络与 STCnet 结合，提出了一种对部分遮挡鲁棒的视频重识别框架（VRSTC）。在三个具有挑战性的视频重识别数据库上的实验表明，所提方法优于当前最优（state-of-the-art）。
引用
@article{arxiv.1907.08427,
title = {VRSTC: Occlusion-Free Video Person Re-Identification},
author = {Ruibing Hou and Bingpeng Ma and Hong Chang and Xinqian Gu and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1907.08427},
year = {2019}
}
备注
10 pages, 6 figures, 5 tables. Accepted by CVPR 2019