8、快速行人重识别的多阶段方法

快速行人重识别的多阶段方法

1. 提出的方法

1.1 标准重识别系统

在行人重识别任务中，设 (D) 为给定的描述符，(T) 和 (P) 分别为模板图像和探测图像的描述符，(m(·, ·)) 为两个描述符之间的相似度度量，(G = {T_1, \ldots, T_n}) 为模板库。对于给定的 (P)，标准的重识别系统会计算匹配分数 (m(P, T_i))（(i = 1, \ldots, n)），并按分数降序对模板图像进行排序。排名质量通常使用累积匹配特征（CMC）曲线来评估，即正确身份位于前 (r) 名的概率（识别率），其中 (r = 1, \ldots, n)。根据定义，CMC 曲线随 (r) 的增加而上升，当 (r = n) 时等于 1。若计算单个匹配分数的处理时间为 (t)，则在模板库 (G) 上计算所有分数的时间为 (n × t)。

1.2 两阶段排名方法

为了在识别准确性和处理成本之间取得平衡，对于给定的描述符和相似度度量，我们研究的解决方案是一种多阶段架构。首先考虑两个描述符 (D_1) 和 (D_2)，它们的相似度度量分别为 (m_1) 和 (m_2)，处理成本分别为 (t_1) 和 (t_2)。假设 (D_1) 的准确性低于 (D_2)，即其 CMC 曲线位于 (D_2) 的下方。随着 (r) 的增加，准确性较低的描述符的 CMC 曲线会趋近于准确性较高的描述符的 CMC 曲线，并且在某个排名 (r_1 < n) 之后，两者的差异会降至给定阈值 (\Delta) 以下。这意味着对于 (r > r_1)，(D_1) 和 (D_2) 表现出几乎相同的识别准确性。

如果 (t_1 < t_2)，可以通过两