行人重识别研究综述
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第 1 2 卷第 6 期
2 0 1 7年 1 2月
智
能
系
wenku.baidu.com
统
学
报
VO1 . 1 2 NO. 6 De c .2 01 7
CAAI Tr a ns a c t i o ns O D I n t e l l i z e n t S v s t e ms
D0I : 1 0 . 1 1 9 9 2 / t i s . 2 01 7 0 6 0 8 4
宋婉 茹, 赵 晴晴 , 陈昌红 , 干 宗 良, 刘峰
( 南京邮 电大 学 通信与信 息工程 学院, 江 苏 南京 2 1 0 0 0 3 ) 摘 要: 行人重识别 是智能视频分 析领域 的研究 热点, 得到 了学术 界的广泛重视 。行人重识别 旨在 非重叠视角域 多
摄像 头网络下进行的行人 匹配 , 即确认 不同位置的摄像头在不 同的时刻拍 摄到的行人 目标是否为 同一人 。本文 根据 研究 对象的不 同, 将 目前的研究分 为基于 图像 的行 人重识别 和基 于视频 的行人重 识别两类 , 对这 两类 分别从特征 描
述、 度量学 习和数据库集 3个方面将现有 文献分类进行 了详细地总结和分析 。此外, 随着近年来 深度学习算法 的广 泛应用 , 也 带来 了行人重识别在特征描述 和度量 学习方面算法的变革 , 总结 了深度学 习在行人重识别 中的应用, 并对 未来发展趋势 进行 了展 望。 关键词 : 行人重识别 ; 特征表达 ; 度量学 习; 深度学 习; 卷积神经 网络 ; 数据集 ; 视频监控
C h i n a )
Abs t r a c t : Th e i n t e l l i g e n t v i d e o a na l y s i s me t h o d b a s e d o n p e de s t r i a n r e — i d e n t i ic f a t i o n h a s b e c o me a r e s e a r c h f o C US i n t h e ie f l d o f c o mp ut e r v i s i o n, a n d i t h a s r e c e i v e d e x t e n s i ve a t t e n t i o n f r o m t he a c a d e mi c c o mm u ni t y. Pe d e s t r i a n r e - i d e n t i ic f a - t i o n a i ms t o ve r i f y pe d e s t r i a n i d e n t i t y i n i ma g e s e q u e n c e s c a p t u r e d b y c a me r a s t h a t a r e o r i e n t a t e d i n d i f f e r e n t di r e c t i o ns a t di f f e r e n t t i me s . Th i s c ur r e nt s t ud y i s c l a s s i ie f d i n t o t wo c a t e go r i e s :i ma g e — ba s e d a nd vi d e o - ba s e d a l go r i t h ms . Fo r t h e s e t wo c a t e g o ie r s , u s i n g f e a ur t e d e s c ipt r i o n, me t ic r l e a r n i n g, a n d v a r i o us b e n c hma r k d a t a s e t s , d e t a i l e d a n a l ys i s i s p e r — f o r me d, a nd a s um m a r y i s p r e s e n t e d . I n a d d i t i o n , t h e wi d e a pp l i c a t i o n o f d e e p — l e a ni r n g a l g o r i t h ms i n r e c e n t y e a r s ha s c ha n g e d pe d e s t ia r n r e — i d e n t i ic f a t i o n i n t e r ms o f f e a t u r e d e s c r i p t i o n a nd me t r i c l e a mi ng . Th e p a p e r s umm a r i z e s t h e印 -
网络出版地址: h t t p : / / k n s . c n k i . n e t / k c ms / d e t a i l / 2 3 . 1 5 3 8 . T P . 2 0 1 7 1 1 0 9 . 1 5 3 4 . 0 3 2 . h t ml
行 人 重 识 别 研 究 综 述
S O NG Wa n r u , Z HAO Qi n g q i n g , C H E N C h a n g h o n g , GA N Z o n g l i a n g , L I U F e n g
( C o l l e g e o f Co mmu n i c a t i o n a n d I n f o r ma t i o n E n g i n e e r i n g , Na n j i n g Un i v e r s i t y o f P o s t s a n d T e l e c o mmu n i c a t i o n s , Na n j i n g 2 1 0 0 0 3 ,
英文引用格式 : S ONG Wa n r u , ZH AO Qi n g q i n g , CHEN C h a n g h o n g , e t a 1 . S u r v e y o n p e d e s t r i a n r e . i d e n i t i f c a t i o n r e s e a r c h l J ] . CA AI
t r a n s a c i t o n s o n i n t e l l i g e n t s y s t e ms , 2 0 1 7 , 1 2 ( 6 ) : 7 7 0 - 7 8 0 .
Su r v e y o n p e d e s t r i a n r e - i d e n t i ic f a t i o n r e s e a r c h
中 图分 类 号 : T P 1 8 l 文献标志码: A 文章编号 : 1 6 7 3 — 4 7 8 5 f 2 O 1 7 ) 0 6 — 0 7 7 0 — 1 1
中文引用格式 : 宋婉茹, 赵 晴晴, 陈昌红, 等. 行人重识别研究综述【 J 1 . 智能 系统学报, 2 0 1 7 , 1 2 ( 6 ) : 7 7 0 - 7 8 0 .
2 0 1 7年 1 2月
智
能
系
wenku.baidu.com
统
学
报
VO1 . 1 2 NO. 6 De c .2 01 7
CAAI Tr a ns a c t i o ns O D I n t e l l i z e n t S v s t e ms
D0I : 1 0 . 1 1 9 9 2 / t i s . 2 01 7 0 6 0 8 4
宋婉 茹, 赵 晴晴 , 陈昌红 , 干 宗 良, 刘峰
( 南京邮 电大 学 通信与信 息工程 学院, 江 苏 南京 2 1 0 0 0 3 ) 摘 要: 行人重识别 是智能视频分 析领域 的研究 热点, 得到 了学术 界的广泛重视 。行人重识别 旨在 非重叠视角域 多
摄像 头网络下进行的行人 匹配 , 即确认 不同位置的摄像头在不 同的时刻拍 摄到的行人 目标是否为 同一人 。本文 根据 研究 对象的不 同, 将 目前的研究分 为基于 图像 的行 人重识别 和基 于视频 的行人重 识别两类 , 对这 两类 分别从特征 描
述、 度量学 习和数据库集 3个方面将现有 文献分类进行 了详细地总结和分析 。此外, 随着近年来 深度学习算法 的广 泛应用 , 也 带来 了行人重识别在特征描述 和度量 学习方面算法的变革 , 总结 了深度学 习在行人重识别 中的应用, 并对 未来发展趋势 进行 了展 望。 关键词 : 行人重识别 ; 特征表达 ; 度量学 习; 深度学 习; 卷积神经 网络 ; 数据集 ; 视频监控
C h i n a )
Abs t r a c t : Th e i n t e l l i g e n t v i d e o a na l y s i s me t h o d b a s e d o n p e de s t r i a n r e — i d e n t i ic f a t i o n h a s b e c o me a r e s e a r c h f o C US i n t h e ie f l d o f c o mp ut e r v i s i o n, a n d i t h a s r e c e i v e d e x t e n s i ve a t t e n t i o n f r o m t he a c a d e mi c c o mm u ni t y. Pe d e s t r i a n r e - i d e n t i ic f a - t i o n a i ms t o ve r i f y pe d e s t r i a n i d e n t i t y i n i ma g e s e q u e n c e s c a p t u r e d b y c a me r a s t h a t a r e o r i e n t a t e d i n d i f f e r e n t di r e c t i o ns a t di f f e r e n t t i me s . Th i s c ur r e nt s t ud y i s c l a s s i ie f d i n t o t wo c a t e go r i e s :i ma g e — ba s e d a nd vi d e o - ba s e d a l go r i t h ms . Fo r t h e s e t wo c a t e g o ie r s , u s i n g f e a ur t e d e s c ipt r i o n, me t ic r l e a r n i n g, a n d v a r i o us b e n c hma r k d a t a s e t s , d e t a i l e d a n a l ys i s i s p e r — f o r me d, a nd a s um m a r y i s p r e s e n t e d . I n a d d i t i o n , t h e wi d e a pp l i c a t i o n o f d e e p — l e a ni r n g a l g o r i t h ms i n r e c e n t y e a r s ha s c ha n g e d pe d e s t ia r n r e — i d e n t i ic f a t i o n i n t e r ms o f f e a t u r e d e s c r i p t i o n a nd me t r i c l e a mi ng . Th e p a p e r s umm a r i z e s t h e印 -
网络出版地址: h t t p : / / k n s . c n k i . n e t / k c ms / d e t a i l / 2 3 . 1 5 3 8 . T P . 2 0 1 7 1 1 0 9 . 1 5 3 4 . 0 3 2 . h t ml
行 人 重 识 别 研 究 综 述
S O NG Wa n r u , Z HAO Qi n g q i n g , C H E N C h a n g h o n g , GA N Z o n g l i a n g , L I U F e n g
( C o l l e g e o f Co mmu n i c a t i o n a n d I n f o r ma t i o n E n g i n e e r i n g , Na n j i n g Un i v e r s i t y o f P o s t s a n d T e l e c o mmu n i c a t i o n s , Na n j i n g 2 1 0 0 0 3 ,
英文引用格式 : S ONG Wa n r u , ZH AO Qi n g q i n g , CHEN C h a n g h o n g , e t a 1 . S u r v e y o n p e d e s t r i a n r e . i d e n i t i f c a t i o n r e s e a r c h l J ] . CA AI
t r a n s a c i t o n s o n i n t e l l i g e n t s y s t e ms , 2 0 1 7 , 1 2 ( 6 ) : 7 7 0 - 7 8 0 .
Su r v e y o n p e d e s t r i a n r e - i d e n t i ic f a t i o n r e s e a r c h
中 图分 类 号 : T P 1 8 l 文献标志码: A 文章编号 : 1 6 7 3 — 4 7 8 5 f 2 O 1 7 ) 0 6 — 0 7 7 0 — 1 1
中文引用格式 : 宋婉茹, 赵 晴晴, 陈昌红, 等. 行人重识别研究综述【 J 1 . 智能 系统学报, 2 0 1 7 , 1 2 ( 6 ) : 7 7 0 - 7 8 0 .