17、基于属性一致性的行人重识别联合学习

基于属性一致性的行人重识别联合学习

1. 引言

行人重识别旨在跨不同摄像头识别同一行人，传统方法多依赖外观描述符和匹配函数，但易受姿态、光照和背景变化影响。本文提出将语义属性信息融入匹配过程，联合优化排名损失和属性分类损失，以提高行人重识别性能。

2. 相关工作

行人重识别方法主要由外观描述符和匹配函数组成，为提高对姿态、光照和背景变化的鲁棒性，研究者们提出了多种改进方法：
- 特征表示改进 ：
- Ma等人使用基于颜色和梯度信息的局部描述符，并通过高维Fisher向量进行编码。
- Liu等人根据特征对主体的独特性为每个探针图像分配不同的特征权重。
- Zhao等人使用无监督显著性估计和密集补丁匹配来匹配主体，还可结合监督方法。
- 姿态不变表示 ：
- Farenzena等人基于人体对称性积累特征。
- Gheissari等人匹配拟合的三角网格。
- Bak等人使用身体部位检测器和空间金字塔匹配。
- Cheng等人利用图像结构（PS）定位身体部位并匹配其描述符。但这些方法在姿态变化过大时效果不佳。
- 匹配函数学习 ：
- 一些方法通过计算描述符之间的测地距离进行匹配，如Bhattacharyya距离或L2范数。
- 还有方法从图像对数据集中有监督地学习匹配函数，如Gray等人使用提升算法找到最佳局部特征集合，Prosser等人提出集成RankSVM解决排名问题，Wu等人解决列表损失的排名问题。
- 距离度量学习