当人体再识别遇上事件相机：一个基准数据集与属性导向的再识别框架
计算机视觉与模式识别
2025-11-11 v2 人工智能
机器学习
神经与进化计算
摘要
近期研究人员提出使用事件相机进行人体再识别 (ReID)，由于其巴望的性能和更好的隐私保护平衡，事件相机基于的人体再识别引起了广泛关注。目前，主流的事件基于人体再识别算法主要 focus于融合可见光与事件流，以及保持隐私。尽管取得了显著进展，但这些方法通常在小规模或仿真事件相机数据集上进行训练和评估，难以评估其实际识别性能和泛化能力。为解决数据稀缺问题，本文引入一个大型 RGB-事件基于的人体再识别数据集，称为 EvReID。该数据集包含 118,988 对图像，覆盖 1200 个行人身份，数据收集自多个季节、场景和照明条件。我们还评估了 15 种最先进的人体再识别算法，为未来研究在数据和基准测试方面奠定了坚实基础。基于我们新构建的数据集，本文进一步提出一种基于行人属性的对比学习框架以增强人体再识别的特征学习，称为 TriPro-ReID。该框架不仅有效地探索了来自 RGB 帧和事件流的视觉特征，还充分利用了行人属性作为中间语义特征。在 EvReID 数据集和 MARS 数据集上的大量实验充分验证了我们所提出的 RGB-事件人体再识别框架的有效性。该基准数据集和源代码将发布于 https://github.com/Event-AHU/Neuromorphic_ReID
引用
@article{arxiv.2507.13659,
title = {When Person Re-Identification Meets Event Camera: A Benchmark Dataset and An Attribute-guided Re-Identification Framework},
author = {Xiao Wang and Qian Zhu and Shujuan Wu and Bo Jiang and Shiliang Zhang},
journal= {arXiv preprint arXiv:2507.13659},
year = {2025}
}
备注
Accepted by AAAI 2026