面向行人重识别的局部特征研究进展、挑战与展望

摘要：

行人重识别(Person re-identification,Re-ID)旨在跨区域、跨场景的视频中实现行人的检索及跟踪,其成果在智能监控、刑事侦查、反恐防暴等领域具有广阔的应用前景.由于真实场景下的行人图像存在光照差异大、拍摄视角不统一、物体遮挡等问题,导致从图像整体提取的全局特征易受无关因素的干扰,识别精度不高.基于局部特征的方法通过挖掘行人姿态、人体部位、视角特征等关键信息,可加强模型对人体关键区域的学习,降低无关因素的干扰,从而克服全局特征的缺陷,也因此成为近几年的研究热点.本文对近年基于局部特征的行人重识别文献进行梳理,简述了行人重识别的发展历程,将基于局部特征的方法归纳为基于姿势提取、基于特征空间分割、基于视角信息、基于注意力机制四类,并详细阐述了每一类的原理及优缺点.然后在三个主流行人数据集上对典型方法的识别性能进行了分析比较,最后总结了目前基于局部特征算法的难点,并对未来本领域的研究趋势和发展方向进行展望.

关键词：行人重识别;局部特征;深度学习;计算机视觉

所属期刊栏目：47

分类号：S154;R149;R821

资助基金：国家自然科学基金;四川省重点研发项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：2742-2760