arXiv:1601.06260

Person Re-Identification by Discriminative Selection in Video Ranking

Taiqing Wang, Shaogang Gong, Xiatian Zhu, Shengjin Wang

제출 2016-01-23

원문 초록

Current person re-identification (ReID) methods typically rely on single-frame imagery features, whilst ignoring space-time information from image sequences often available in the practical surveillance scenarios. Single-frame (single-shot) based visual appearance matching is inherently limited for person ReID in public spaces due to the challenging visual ambiguity and uncertainty arising from non-overlapping camera views where viewing condition changes can cause significant people appearance variations. In this work, we present a novel model to automatically select the most discriminative video fragments from noisy/incomplete image sequences of people from which reliable space-time and appearance features can be computed, whilst simultaneously learning a video ranking function for person ReID. Using the PRID$2011$, iLIDS-VID, and HDA+ image sequence datasets, we extensively conducted comparative evaluations to demonstrate the advantages of the proposed model over contemporary gait recognition, holistic image sequence matching and state-of-the-art single-/multi-shot ReID methods.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.23542v1cs.CV공통 태그 Person Re-Identification, Gait Recognition

GaitFace: 장거리 사람 식별을 위한 멀티모달 데이터셋

GaitFace: A Multimodal Dataset for Long-Range Person Identification

효율적인 국경 통제는 심각한 혼잡과 승객 대기 시간 연장으로 인해 전 세계적으로 중요한 과제가 되고 있다. 이러한 병목 현상을 완화하고 승객 흐름을 원활하게 하기 위해, 생체 인식 기술이 신원 확인을 간소화하고 통과 효율을 높이기 위해 점점 더 많이 배치되고 있다. 기술적 한계는 종종 생체 식별을 방해하며, 특히 장거리 감시 환경에서는 시스템이 불리한 대기 조건과 저하된 이미지 품질을 다루어야 한다. BRIAR와 같은 고품질 프레임워크가 존재하지만, 이들은 종종 특정 정부 기관으로 제한된다. 본 논문은 장거리에서 촬영된 얼굴 및 보행(gait) 데이터를 포함하는 새로운 공개 데이터셋인 GaitFace를 소개한다. 연구가 실제 국경 시나리오를 반영하도록, 여행자가 모바일 기기를 통해 등록하는 사전 등록(Pre-Enrollment) 데이터와, 여러 시점과 서로 다른 카메라에서 원거리 개인을 기록하는 "In-the-Wild" 촬영 데이터를 사용한다. 최신(state-of-the-art) 얼굴 및 보행 모델에 대한 벤치마킹 결과, 현재 아키텍처는 광학 보조를 통해 성공했음에도 불구하고 저해상도와 높은 시점에서 실패함을 보여준다. GaitFace는 이러한 중요한 취약점을 드러내며, 더 견고하고 제약 없는(unconstrained) 생체 인식 연구를 촉진하기 위한 엄격한 공개 벤치마크를 제공한다.

arXiv:2607.03633v1cs.CV공통 태그 Person Re-Identification, Gait Recognition

정체성-특이적 동작 특징 탐색: 통제된 진단 연구

Probing Identity-Specific Motion Signatures: A Controlled Diagnostic Study

정체성 인식(예: 사람, 동물 재식별)은 전통적으로 정적 외형 단서에 크게 의존해 왔다. 그러나 동작—일관적이고 개인-특이적인 역학—은 특히 외형이 약하거나 가변적일 때 보완적이고 잠재적으로 더 강건한 특징을 제공할 수 있다. 이는 근본적인 질문을 제기한다: 정체성-특이적 동작 단서가 명확히 존재할 때, 현대 비디오 모델은 인식을 위해 이를 어느 정도로 활용하는가? 이 질문을 탐구하기 위해, 우리는 체계적인 진단 연구를 수행하고, 자유투를 수행하는 120명의 프로 농구 선수로 구성된 통제된 벤치마크인 BALLER120을 소개한다. 개인들 사이에서 동일한 다단계 동작에 집중함으로써, BALLER120은 동작 수준의 변동과 정체성-상관 취득 편향을 줄여 정체성-특이적 운동학적 패턴에 대한 세밀한 분석을 가능하게 한다. 우리는 현대 비디오 모델이 RGB 비디오로부터 정체성을 정확하게 예측할 수 있지만, 유익한 동작 단서가 존재함에도 불구하고 얼굴 및 유니폼 영역과 같은 정적 외형 단서에 의존하는 경우가 많다는 것을 발견했다. 놀랍게도, 실루엣만 또는 골격만을 입력으로 사용하여 외형이 억제되면, 동일한 모델 아키텍처가 동작 미세 패턴(예: 발 위치 및 팔꿈치 굽힘)으로 전환된다. 더 적은 시각 정보를 포함함에도 불구하고, 외형이 억제된 표현은 경쟁력 있는 정확도와 외형 변화에 대한 더 강한 강건성을 달성한다. 우리의 정성적 분석은 외형이 억제된 모델이 개인들 사이에서 독특한 동작 패턴에 주목한다는 것을 추가로 보여준다. 전반적으로, 우리의 연구는 정체성-특이적 동작 특징이 존재하고, 유익하며, 학습 가능하지만, 현대 비디오 모델은 외형 단서가 명시적으로 억제되지 않는 한 더 쉬운 정적 지름길을 선호하여 이를 간과할 수 있음을 보여준다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.