行人再标识方法研究若干进展.pdf

行人再标识方法研究若干进展 赖剑煌教授 中山大学数据科学与计算机学院 2016年10月28 日 深圳先进技术研究院 1 提纲 n 行人再识别问题和方法 n 若干研究进展 2 提纲 n 行人再识别问题和方法 n 若干研究进展 3 行人再识别问题介绍 n 在不同摄像头场景下，把相同行人关联起来的问 题称为行人再标识(Person Re-Identification) n 问题的挑战性在于不同摄像头中行人的表观变化 剧烈，包括： u 光照变化 u 姿态变化 u 视角变化 摄像头-A 摄像头-B u …… 4 行人再标识方法概述 n 摄像机间具有重叠视域 重叠视域 1、特征几何关系方法 2、表观方法 3、组合方法 4、其他方法 n 摄像机间具有非重叠视域 （更具挑战性，研究热点） 1、基于行人特征表达的方法 （传统特征、深度特征等） 2、训练行人匹配模型的方法 （训练判别模型、距离学习等） 3、上下文线索的挖掘 （时空约束、显著性约束等） 4、其他方法 （数据集之间的迁移学习等） 5 1.基于行人特征表达的方法 n 鲁棒特征描述 （提取特征） 1.底层特征：颜色、纹理、形状等 [Gray ECCV’08] 2.中层特征：图像块 [Zhao CVPR’14] 3.高层特征：属性 （Attribute ）[Liu ECCVW’12] ，深度特征 [Li CVPR’14] 6 1.基于行人特征表达的方法 n 行人局部分割模型 （目的是提高局部特征判别性） 1.上下半身分割 [Farenzena CVPR’10, Guoyun Lian PR’11] 2.条纹分割 [Gray ECCV 2008; Zheng PAMI’13] 3.金字塔模型 [Guo ICPR’14] 4.部件模型 [Cheng BMVC’11] 7 1.基于行人特征表达的方法 n 使用CNN提取深度特征 （提取特征的新热点） 属于同个身份的 特征接近 属于不同身份的 特征拉开 训练CNN的 使得CNN学习的特征 主要思路：