非对称行人重识别:跨摄像机持续行人追踪
行人重识别是实现跨摄像机场景大范围追踪行人的关键技术, 利用该技术可以把行人的碎片化多场景轨迹连接起来. 本文首先回顾了行人重识别的发展, 列举了目前行人重识别研究的主要难点和挑战. 然后进一步介绍了作者所在研究团队针对行人重识别发展的非对称度量学习理论, 及基于非对称度量理论和思想所开展的面向开放性行人重识别的非对称行人重识别建模. 与现有用于行人重识别的度量学习算法相比, 现有算法通常忽略了摄像机特征变化的特性, 而非对称度量的优点是可以学习具备建模不同视域特点非一致性能力的特征变换. 非对称建模除了应用在一般的行人重识别问题上, 还可以应用在跨模态行人重识别、低分辨率行人重识别、基于属性与图像匹配的行人重识别、无监督行人重识别和不完整行人重识别等问题上. 最后, 本文讨论了行人重识别未来的发展.
视频监控、行人重识别、行人跨视域追踪、度量学习、非对称
48
TP391;C936;TP181
国家自然科学基金61522115
2018-09-10(万方平台首次上网日期,不代表论文的发表时间)
共19页
545-563