초록
현재 대부분의 사람 재식별(ReID) 방법들은 공간-시간 제약을 간과하고 있습니다. 쿼리 이미지가 주어지면, 기존 방법들은 쿼리 이미지와 모든 갤러리 이미지 사이의 특징 거리를 계산하여 유사도 순위 표를 반환합니다. 실제로 갤러리 데이터베이스가 매우 크다면, 다른 카메라 뷰에서 발생하는 외관 모호성으로 인해 이러한 접근 방식들이 좋은 성능을 얻지 못합니다. 본 논문에서는 시각적 의미 정보와 공간-시간 정보를 모두 활용하는 새로운 두 스트림 공간-시간 사람 재식별(st-ReID) 프레임워크를 제안합니다. 이를 위해, 두 가지 이질적인 정보를 통합할 수 있는 로지스틱 스무딩(Logistic Smoothing, LS)을 사용한 공동 유사도 지표가 도입되었습니다. 복잡한 공간-시간 확률 분포를 근사하기 위해, 우리는 빠른 히스토그램-파르젠(Histogram-Parzen, HP) 방법을 개발하였습니다. 공간-시간 제약의 도움으로, st-ReID 모델은 많은 무관한 이미지를 제거하여 갤러리 데이터베이스를 좁힐 수 있습니다. 화려한 장치 없이 우리의 st-ReID 방법은 Market-1501 데이터셋에서 98.1%의 1등급 정확도와 DukeMTMC-reID 데이터셋에서 94.4%의 1등급 정확도를 달성하였으며, 각각 기준선인 91.2%와 83.8%에서 크게 향상되어 기존 최신 연구들보다 크게 우수한 성능을 보였습니다.