Person Re-Identification by Iterative Re-Weighted Sparse Ranking

PAMI 2015
Source code available at: http://www.micc.unifi.it/lisanti/source-code/re-id/

本文提出了一种简单有效的行人检索。基于 sparse basis expansions，做了一定改进，使得可以对搜索到的图像进行排序。提出的特征也比较简单有效，对于光照和姿态变化的影响不大。测试结果比较好。

3 Weighted Histograms Of Overlapping Stripes (WHOS)
我们提出的特征比较简单有效，如下图所示：

对于每个图像条块，我们计算Hue-Saturation (HS) and RGB histograms，每个像素的对直方图的影响使用 Epanechnikov kernel 给一个权值。Epanechnikov kernel 如下所示：

4 Sparse basis expansions for Re-identification
4.1 Sparse Basis Expansion
使用 basis expansions 做分类器，背后主要思想是：给定一个类别足够的训练样本，对于测试样本可以有这些训练样本线性表示。

对于多个类别的 basis expansion 如下所示：

因为 basis T 可能是 highly overcomplete，所以我们只希望有几个权值参数不为零，大多数权值参数为零。我们增加了镇定约束：

我们的归一化重构误差为：

对应的类别就是重构误差最小的类：

上面思路的问题在于只对少数检索到的图像给予了排序，对于大多数图像没有排序，我们希望得到较多的排序图像。于是我们提出了 Iterative Sparse Re-Weighting

5 实验结果：