ECCVJul, 2018

通过视觉和时间连接在视频中以一张肖像追踪人物搜索

PDF
TL;DR本文提出了一种基于轨迹的框架，采用视觉和时间上的链接进行个体识别，实现人物检索，同时提供一个包含 192 个电影、127K 手动注释的轨迹的大型基准测试集，实验表明我们的方法优于传统的人体重识别方法，将平均精度提高了 20%
person searchvideo retrievaltrackletidentity invarianceprogressive propagation
发现论文，激发创造
  • 基于时序知识传播的图像到视频的行人再识别

    提出了一种新颖的 “时间知识传播（TKP）” 方法，该方法通过将视频表示网络学到的时间知识传播到图像表示网络来解决人物重识别问题中图像和视频特征不匹配的问题。通过大量实验，证明了该方法的有效性，并且在两个广泛使用的数据集上的综合结果明显优于现有的最先进方法。

    Aug, 2019

  • 在线视频多模态人员搜索

    本文提出了一种在线人员搜索框架，它采用多模态记忆库作为人员识别的基础，并通过强化学习获得策略进行动态更新。实验结果表明，该方法不仅实现了在线模式下的显著改进，而且胜过了离线方法。

    Aug, 2020

  • 基于时空规则的轨迹关联式渐进式无监督人员重识别

    本研究提出了一种基于深度学习和时空规则的无监督人员再识别方法，通过跨摄像头轨迹关联和反复迭代来逐步更新模型，最终促进了跨摄像头轨迹的关联和更好的人员视觉特征提取。

    Oct, 2019

  • 视频行人再识别的时空互促

    本文提出一种基于视频序列的人物再识别方法，通过 Refining Recurrent Unit 和 Spatial-Temporal clues Integration Module 来更好地表达视频序列中的空间和时间信息，并且采用了多层次训练目标来增强算法的性能。实验结果表明，该方法在 iLIDS-VID 和 MARS 数据集上优于现有的最先进方法，并在 PRID-2011 上取得了良好的结果。

    Dec, 2018

  • 视频中人物重新识别的时空相关性和拓扑学习

    本文提出了一种新的 CTL 框架来实现视频行人重新识别，其通过建模跨尺度时空相关性来追求具有辨别力和鲁棒性的表征，采用了卷积神经网络和关键点估计器来抽取人体的语义局部特征，并通过构建多尺度图形来捕捉分层时空依赖性和结构信息，最终证明了该方法在两个视频基准上实现了最先进的表现。

    Apr, 2021

  • 视频排名中基于判别性选择的人员再识别

    本文提出了一种新的模型，可以从含有噪声 / 不完整人员图像序列中自动选择最具差别性的视频片段，从而可以计算可靠的时空和外观特征，同时学习用于人员重识别的视频排名功能。

    Jan, 2016

  • 基于掩码引导的双流 CNN 模型的人体搜索

    本文提出了一种基于前景分割的人物搜索方法，将对象检测和人物重识别模型分离，使用两个不同的 CNN 来分别提取主体和原始图像的特征，并在 CUHK-SYSU 和 PRW 两个公认的基准测试中实现了比现有方法高 5pp 以上的 mAP 值，效果显著。

    Jul, 2018

  • 无监督视频匹配的个体再识别

    本文提出了一种基于时间序列的视频人员重识别方法，可以准确地匹配任意不对齐的图像序列中的人，无需标记的成对数据，并通过引入时间移动动态时间扭曲 (TS-DTW) 模型实现自动对齐、数据选择和匹配。

    Nov, 2016

  • 在同步第一人称和第三人称视频中进行联合人物分割和识别

    该论文探讨了视频分析的相关问题，特别是像素级的人物分割，同时解决了第三人称视频中拍摄者身份的鉴定。通过使用多视角匹配的方法，在不需要人工标记的情况下实现了对多视角数据的人物识别和身份匹配。

    Mar, 2018

  • 基于视频的顶部压缩人员再识别

    提出一种基于视频特征的人员再识别框架，通过引入 top-push 约束来优化匹配度量，以便更有效地选择区分不同人的特征。实验结果表明，该方法在视频再识别中优于现有的技术。

    Apr, 2016