武汉大学 计算机学院 曹瑀,利用人体部位特征重要性进行行人再识别

在视频监控系统中，行人再识别技术已成为研究的热点与难点问题，因为不同的摄像机画面中行人的视角、姿态、光照、背景、遮挡以及分辨率等因素都不相同，导致同一行人在不同摄像机画面中外观差异较大，而不同行人在同一摄像机中可能外观相似，这使得在不同的摄像机画面中识别同一行人非常困难。目前解决行人再识别问题主要通过特征描述法[，寻找更合适的特征来应对视角、姿势、光照、背景、遮挡以及分辨率等因素的变化。

特征描述法首先对行人进行特征提取，然后利用距离函数计算特征向量间的距离，通过特征间的距离来描述行人间的相似程度。文献[[)和重复高结构块(recurrent high-structured patches，RHSP)特征；最后，在进行距离计算时使用这3种特征的巴氏距离加权求和。文献[[将行人图像中人体的各个部位分割出来，然后提取各部位颜色直方图和MSCR特征，最后进行距离计算时同样使用巴氏距离计算这两种特征的距离并对其加权求和。文献[

基于特征描述的行人再识别方法通常使用的是SDALF方法中提出的行人再识别框架，首先提取行人图像中人体部分所在区域，然后提取行人图像的多种特征，最后在计算距离时使用传统的距离函数对同类特征进行距离算法，再加权求和作为最终的距离。相比SDALF方法使用的STEL模型，CPS方法所用到的PS模型能更好地将人体部分从行人图像中分离出来，减小了背景和姿态对行人造成的影响。本文所提出的方法采用了SDALF方法提出的行人再识别框架，同时采用了PS模型对人体部位进行提取，不同的是本文方法考虑了人体各部位受视角和姿态因素影响各不相同，在计算距离时对各部位进行了部位重要性加权。此外，由于SDALF框架在进行距离计算时只是对各种特征进行经验性的加权，这样并不能很好地将各种特征应用到其适合的外观上。因此，本文提出的部位特征重要性(part feature importance，PFI)方法在此基础上进行了改进，为每种特征计算一种特征重要性，使得不同的特征可以更好地用于其适合的外观，更有效地区分不同的行人。