行人重識別簡介

作者:_Xiaobo
來源:CSDN
原文:https://blog.csdn.net/weixin_41427758/article/details/81188164
版權(quán)聲明:本文為博主原創(chuàng)文章,轉(zhuǎn)載請附上博文鏈接手负!

什么是Re-ID?

行人重識別(Person Re-identification也稱行人再識別涤垫,簡稱為ReID,是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)竟终。廣泛被認(rèn)為是一個(gè)圖像檢索的子問題蝠猬。給定一個(gè)監(jiān)控行人圖像,檢索跨設(shè)備下的該行人圖像统捶。
如下圖所示:一個(gè)區(qū)域有多個(gè)攝像頭拍攝視頻序列榆芦,ReID的要求對一個(gè)攝像頭下感興趣的行人,檢索到該行人在其他攝像頭下出現(xiàn)的所有圖片喘鸟。


image.png

為什么要Re-ID匆绣?

在監(jiān)控視頻中,由于相機(jī)分辨率和拍攝角度的緣故什黑,通常無法得到質(zhì)量非常高的人臉圖片崎淳。當(dāng)人臉識別失效的情況下,ReID就成為了一個(gè)非常重要的替代品技術(shù)愕把。
重要特性:跨攝像頭 --> 學(xué)術(shù)中性能評價(jià):檢索出不同攝像頭下的相同行人圖片
應(yīng)用場景:


image.png

研究形式:

數(shù)據(jù)集通常是通過人工標(biāo)注或者檢測算法得到的行人圖片拣凹,目前與檢測獨(dú)立,注重識別

數(shù)據(jù)集分為訓(xùn)練集恨豁、驗(yàn)證集嚣镜、Query、Gallery

在訓(xùn)練集上進(jìn)行模型的訓(xùn)練橘蜜,得到模型后對Query與Gallery中的圖片提取特征計(jì)算相似度菊匿,對于每個(gè)Query在Gallery中找出前N個(gè)與其相似的圖片

訓(xùn)練、測試中人物身份不重復(fù)


image.png

兩大方向:

特征提取:學(xué)習(xí)能夠應(yīng)對在不同攝像頭下行人變化的特征
度量學(xué)習(xí) :將學(xué)習(xí)到的特征映射到新的空間使相同的人更近不同的人更遠(yuǎn)
基本流程如下圖:


image.png

存在挑戰(zhàn)

不同下攝像頭造成行人外觀的巨大變化


image.png

對于深度學(xué)習(xí)方法捧请,現(xiàn)有數(shù)據(jù)集相對較小

常用數(shù)據(jù)集

CUHK03
Market1501
DukeMTMC-reID
MSMT17


image.png

image.png

這里只列舉了常用的數(shù)據(jù)集凡涩,更全的數(shù)據(jù)集可以參考:Person Re-identification Datasets

常用評價(jià)指標(biāo)

image.png

rank-k:算法返回的排序列表中,前k位為存在檢索目標(biāo)則稱為rank-k命中疹蛉。eg:rank1:首位為檢索目標(biāo)則rank-1命中。
Cumulative Match Characteristic (CMC) curve:計(jì)算rank-k的擊中率力麸,形成rank-acc的曲線可款,如下圖:

mAP(mean average precision):反應(yīng)檢索的人在數(shù)據(jù)庫中所有正確的圖片排在排序列表前面的程度,能更加全面的衡量ReID算法的性能克蚂。如下圖闺鲸,該檢索行人在gallery中有4張圖片,在檢索的list中位置分別為1埃叭、2摸恍、5、7赤屋,則ap為(1 / 1 + 2 / 2 + 3 / 5 + 4 / 7) / 4 =0.793立镶;ap較大時(shí),該行人的檢索結(jié)果都相對靠前类早,對所有query的ap取平均值得到mAP


image.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末媚媒,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子涩僻,更是在濱河造成了極大的恐慌缭召,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件逆日,死亡現(xiàn)場離奇詭異嵌巷,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)室抽,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進(jìn)店門搪哪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人狠半,你說我怎么就攤上這事噩死。” “怎么了神年?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵已维,是天一觀的道長。 經(jīng)常有香客問我已日,道長垛耳,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮堂鲜,結(jié)果婚禮上栈雳,老公的妹妹穿的比我還像新娘。我一直安慰自己缔莲,他們只是感情好哥纫,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著痴奏,像睡著了一般蛀骇。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上读拆,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天擅憔,我揣著相機(jī)與錄音,去河邊找鬼檐晕。 笑死暑诸,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的辟灰。 我是一名探鬼主播个榕,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼伞矩!你這毒婦竟也來了笛洛?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤乃坤,失蹤者是張志新(化名)和其女友劉穎苛让,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體湿诊,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡狱杰,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了厅须。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片仿畸。...
    茶點(diǎn)故事閱讀 40,865評論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖朗和,靈堂內(nèi)的尸體忽然破棺而出错沽,到底是詐尸還是另有隱情,我是刑警寧澤眶拉,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布千埃,位于F島的核電站,受9級特大地震影響忆植,放射性物質(zhì)發(fā)生泄漏放可。R本人自食惡果不足惜谒臼,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望耀里。 院中可真熱鬧蜈缤,春花似錦、人聲如沸冯挎。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽房官。三九已至叠艳,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間易阳,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工吃粒, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留潦俺,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓徐勃,卻偏偏與公主長得像事示,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子僻肖,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,870評論 2 361