研究论文

基于视频的人员再识别移动平均递归神经网络模型

作者:

穆罕默德·法西尔 C、。和

Subhasis公司乔杜里作者信息和声明

ICVGIP’18：第11届印度计算机视觉、图形和图像处理会议记录

2018年12月

文章编号：8，页数1-9

https://doi.org/10.1145/32933353.3293361

出版:2020年5月3日出版历史

获取访问权限

摘要

人的重新识别在视频监控中有很大的应用。它可以被视为通过非重叠的摄像头识别同一个人。由于时空特征表示具有更好的区分性，基于视频的人员再识别方法正受到越来越多的关注。现有的基于视频的方法利用RNN来提取时间信息。在本文中，我们提出了一种新的移动平均递归神经网络（MA-RNN）模型，该模型可以通过在每个时间戳处同时获取先前和当前输入来构建强大的特征表示。具体来说，在这里，递归层通过直接回顾过去的值来产生更好的顺序信息，其中一般RNN仅以隐藏状态信息的形式间接依赖于以前的值。提出的模型在两个公开的数据集上进行了测试：iLIDS-VID和PRID-2011，与最先进的方法相比，它的性能更好，并且有很大的差距。我们还分析了MA-RNN模型先前输入依赖的深度对匹配精度的影响。

工具书类

[1]

Ejaz Ahmed、Michael Jones和Tim K Marks。2015年，针对人员重新识别的改进的深度学习架构。IEEE计算机视觉和模式识别会议论文集。3908--3916.

[2]

T M Feroz Ali和Subhasis Chaudhuri，2018年。基于区分零空间的最大边缘度量学习用于人的重新识别。程序中。欧洲计算机视觉会议（ECCV）。施普林格，122--138。

[3]

约舒亚·本吉奥（Yoshua Bengio）、帕特里斯·西蒙德（Patrice Simard）和保罗·弗雷斯科尼（Paolo Frasconi）。1994.学习梯度下降的长期依赖性是困难的。IEEE神经网络交易5，2（1994），157--166。

数字图书馆

[4]

Yeong-Jun Cho和Kuk-Jin Yoon。2016年，通过位置感知多热点匹配改进人员重新识别。IEEE计算机视觉和模式识别会议论文集。1354--1362.

[5]

Dahjung Chung、Khalid Tahboub和Edward J Delp。2017年。用于人员重新识别的双流暹罗卷积神经网络。IEEE计算机视觉和模式识别会议论文集。1983--1991.

[6]

Ronan Collobert、C Farabet、K Kavukcuoglu等人，2008年。火炬。机器学习开放源码软件研讨会，NIPS，第113卷。

[7]

米歇拉·法伦泽纳（Michela Farenzena）、洛里斯·巴扎尼（Loris Bazzani）、亚历山德罗·佩里纳（Alessandro Perina）、维托里奥·穆里诺（Vittorio Murino）和马克·克里斯塔尼（Marco Cristani）。2010年，通过对称驱动的局部特征积累进行人员重新识别。计算机视觉和模式识别（CVPR），2010年IEEE会议，IEEE，2360-2367。

[8]

道格拉斯·格雷和海涛。2008.具有局部特征集合的视点不变行人识别。《计算机愿景》—ECCV 2008（2008），262--275。

[9]

马丁·赫泽（Martin Hirzer）、Csaba Beleznai、彼得·罗斯（Peter M Roth）和霍斯特·比肖夫（Horst Bischof）。2011年。通过描述性和区分性分类进行人员重新识别。在斯堪的纳维亚图像分析会议上。施普林格，91-102。

[10]

Srikrishna Karanam、Yang Li和Richard J Radke。2015年。使用经过判别训练的视点不变字典进行人物重新识别。在IEEE国际计算机视觉会议论文集上。4516--4524.

数字图书馆

[11]

Alexander Klaser、Marcin Marszałek和Cordelia Schmid。2008.基于三维梯度的时空描述符。在BMVC 2008-19英国机器视觉会议上。英国机器视觉协会，275--1。

[12]

马丁·科斯特格、马丁·赫泽、保罗·沃尔哈特、彼得·罗斯和霍斯特·比肖夫。2012.从等价约束中进行大规模度量学习。计算机视觉和模式识别（CVPR），2012年IEEE会议，IEEE，2288-2295。

数字图书馆

[13]

杨莉、吴子彦、斯里克里什纳·卡拉南和理查德·拉德克。2015.使用自适应Fisher判别分析进行多快照人类重新识别。BMVC，第1卷。2

[14]

朱塞佩·利桑蒂（Giuseppe Lisanti）、斯韦博·卡拉曼（Svebor Karaman）和亚科波·马西（Iacopo Masi）。2017年，《跨视角人物再识别的多通道核典型相关分析》（Multi-channel-Kernel Canonical Correlation Analysis for Cross-View Person Reidentification）。美国计算机学会多媒体计算、通信和应用学报（TOMM）13，2（2017），13。

数字图书馆

[15]

刘春晓，龚绍刚，陈昌乐，林兴刚，2012。人员重新识别：哪些特征很重要？。在欧洲计算机视觉会议上。施普林格，391--401。

数字图书馆

[16]

刘侃、马炳鹏、张伟和黄瑞。2015.基于视频的行人重新识别的时空外观表示。计算机视觉（ICCV），2015年IEEE国际会议，IEEE，3810-3818。

数字图书馆

[17]

Bruce D Lucas、Takeo Kanade等人，1981年。一种迭代图像配准技术及其在立体视觉中的应用。(1981).

[18]

马炳鹏（Bingpeng Ma）、苏瑜（Yu Su）和Frédéric Jurie，2012年。由fisher向量编码的局部描述符用于人的重新识别。在欧洲计算机视觉会议上。施普林格，413-422。

数字图书馆

[19]

Ju Man和Bir Bhanu。2006.使用步态能量图像进行个人识别。IEEE模式分析和机器智能事务28，2（2006），316-322。

[20]

尼尔·麦克劳林（Niall McLaughlin）、耶稣·马丁内斯·德尔·林肯（Jesus Martinez Del Rincon）和保罗·米勒（Paul Miller）。2015年。用于减少数据集偏差的数据扩充——面对面重新识别。在高级视频和信号监控（AVSS）中，2015年第12届IEEE国际会议，IEEE，1-6。

[21]

尼尔·麦克劳林（Niall McLaughlin）、耶稣·马丁内斯·德尔·林肯（Jesus Martinez del Rincon）和保罗·米勒（Paul Miller）。2016.基于视频的人员重新身份验证的循环卷积网络。IEEE计算机视觉和模式识别会议论文集。1325--1334.

[22]

Alexis Mignon和Frédéric Jurie，2012年。Pcca：一种基于稀疏成对约束的远程学习新方法。在计算机视觉和模式识别（CVPR）中，2012年IEEE会议。IEEE，2666-2672。

[23]

Sakrapee Paisitkriangkrai、Chunhua Shen和Anton van den Hengel。2015年，学习使用公制信号群进行亲自重新识别排名。IEEE计算机视觉和模式识别会议论文集。1846--1855.

[24]

萨蒂斯·佩达加迪（Sateesh Pedagadi）、詹姆斯·奥威尔（James Orwell）、塞尔吉奥·维拉斯蒂（Sergio Velastin）和博戈斯·博戈西安（Bogos Bogossian）。2013年，针对行人重新识别的当地渔民判别分析。IEEE计算机视觉和模式识别会议论文集。3318--3325.

数字图书馆

[25]

Michael J Swain和Dana H Ballard。1991年，颜色索引。国际计算机视觉杂志7，1（1991），11-32。

数字图书馆

[26]

Rahul Rama Varior、Bing Shuai、Jiwen Lu、Dong Xu和Gang Wang。2016年，用于人类重新识别的暹罗长短期记忆架构。在欧洲计算机视觉会议上。斯普林格，135-153。

[27]

王太庆、龚绍刚、朱夏田和王胜金。2014年，通过视频排名进行人员重新识别。在欧洲计算机视觉会议上。施普林格，688-703。

[28]

王太庆、龚绍刚、朱夏田和王胜金。2016年，通过视频排名中的歧视性选择重新识别人。IEEE模式分析和机器智能事务38，12（2016），2501--2514。

数字图书馆

[29]

童晓、李洪生、欧阳万丽和王晓刚。2016.通过领域引导的辍学学习深度特征表示，以进行人员重新识别。IEEE计算机视觉和模式识别会议论文集。1249--1258.

[30]

Fei Xiong、Mengran Gou、Octavia Camps和Mario Sznaier。2014.使用基于核的度量学习方法进行人员重新识别。在欧洲计算机视觉会议上。斯普林格，1-16。

[31]

徐双杰、于成、康谷、杨洋、张世玉和潘舟。2017.联合关注基于视频的人员重新身份识别时空共用网络。arXiv预印arXiv:1708.02286（2017）。

[32]

闫一超、倪冰冰、宋志超、马超、闫燕、杨晓康。2016年，通过经常性特征聚合进行人员重新识别。在欧洲计算机视觉会议上。施普林格，701-716。

[33]

董毅，甄磊，廖胜才，李斯坦.2014。针对人员重新识别的深度度量学习。模式识别（ICPR），2014年第22届IEEE国际会议，34-39。

数字图书馆

[34]

尤金杰、吴安聪、李翔和郑伟世。2016年，推顶式视频人物重新识别。IEEE计算机视觉和模式识别会议论文集。1345--1353.

[35]

赵睿、欧阳万里和王小刚。2013.通过显著性匹配重新识别人员。IEEE计算机视觉国际会议论文集。2528--2535.

数字图书馆

[36]

赵瑞、欧阳万丽和王晓刚。2013年，针对人员再鉴定的无监督显著性学习。IEEE计算机视觉和模式识别会议论文集。3586--3593.

数字图书馆

[37]

梁正（Liang Zheng）、杨毅（Yi Yang）和亚历山大·豪普特曼（Alexander G Hauptmann）。2016.人员再鉴定：过去、现在和未来。arXiv预印arXiv:1610.02984（2016）。

[38]

郑伟世、龚绍刚、陶祥。2013年，通过相对距离比较重新识别。IEEE模式分析和机器智能事务35，3（2013），653--668。

[39]

Zhen Zhou、Yan Huang、Wei Wang、Liang Wang和Tieniu Tan。2017.见树见林：联合时空递归神经网络用于基于视频的人员重新识别。计算机视觉和模式识别（CVPR），2017年IEEE会议，IEEE，6776-6785。

索引术语

基于视频的人员再识别移动平均递归神经网络模型
1. 计算方法
  1. 人工智能
    1. 计算机视觉
      1. 计算机视觉问题
        匹配
  2. 机器学习
    1. 机器学习方法
      1. 神经网络

建议

信息瓶颈增强的基于视频的人员重新识别
ICVIP’22：2022年第6届视频和图像处理国际会议记录

身份识别在公共安全领域有着巨大的应用潜力。然而，像背景噪声这样的非歧视性信息仍然阻碍着当前人员再识别算法的进一步改进。本文提出了一种新的。。。
阅读更多信息
基于视频的具有场景和人物属性的人物再识别
摘要
人的重新识别（re-ID）是一项重要的计算机视觉任务，通过多个非重叠摄像机检索感兴趣的人。近年来，基于视频的人再识别研究变得越来越流行。与图像相比-。。。
阅读更多信息
基于深度非对称视频的人员重新识别
集锦
- 我们解决了“view-bias”问题，这是基于视频的个人re-id的一个关键挑战。
- 我们提出了一种深度非对称度量学习（DAM）方法，该方法将非对称度量嵌入到深度神经网络中。
- 要使DAM可扩展到大型。。。
摘要
在本文中，我们研究了基于视频的人的重新识别（re-id）问题，该问题在不同时间跨非重叠的摄像机视图匹配人的视频片段。基于视频的个人识别的一个关键挑战是一个人的。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM其他会议

ICVGIP’18：第11届印度计算机视觉、图形和图像处理会议记录

2018年12月

659页

国际标准图书编号：9781450366151

内政部：10.1145/3293353

版权所有©2018 ACM。

允许制作本作品的全部或部分数字或硬拷贝供个人或课堂使用，但不收取任何费用，前提是复制品的制作或分发不是为了盈利或商业利益，并且复制品在首页注明本通知和完整引文。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2020年5月3日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

会议

2018年ICVGIP

ICVGIP 2018：第11届印度计算机视觉、图形和图像处理会议

2018年12月18日至22日

印度海得拉巴

接受率

286份提交文件的总体接受率为95，33%

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
56
总下载次数

下载量（最近12个月）4
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

视图选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子