一种姿态敏感的嵌入方法用于人员再识别并扩展跨邻域重排序

人员重识别是一项具有挑战性的检索任务，需要在非重叠的摄像头视图中匹配获取到的人像图像。本文提出了一种有效的方法，通过结合人物的精细和粗略姿态信息来学习一种判别嵌入。与最近显式建模身体部位或基于这些部位校正错位的方向不同，我们展示了将获取到的摄像头视图和/或检测到的关节位置直接纳入卷积神经网络中，有助于学习非常有效的表示方法。为了提高检索性能，基于计算距离的重新排序技术近年来受到了广泛关注。我们提出了一种新的无监督且自动化的重新排序框架，实现了当前最佳的重新排序性能。我们证明了与现有的最佳重新排序方法相比，我们的方法无需为每对图像计算新的排名列表（例如基于互邻点），仅使用简单的直接排名列表比较甚至已经计算出的欧氏距离即可表现良好。我们在多个具有挑战性的监控图像和视频数据集上展示了所学表示方法和重新排序方法均达到了当前最佳性能。代码可在以下网址在线获取：https://github.com/pse-ecn/pose-sensitive-embedding