CVPRApr, 2020

利用无线电信号学习人员再认证的长期表示

PDF
TL;DR本文提出了一种新方法 (RF-ReID)，利用无线电信号 (RF signals) 替代传统 RGB 摄像头的照片 / 视频。RF 信号既可以穿透衣服，又可以反射身体，并且能捕捉身体大小和形状等更具持久性的特征，因此可以在长时间的不同天气、着装等情况下识别同一人，并且可以在存在遮挡或者光线照射不充足情况下进行识别。与照片和视频不同，RF 信号是更加隐私保护的数据，因此可以被用于在医疗保健等隐私敏感领域进行人员识别。
person re-identificationrf signalslongterm identificationprivacy-preservinghealthcare
发现论文，激发创造
  • 长期换衣服个体重识别

    本文介绍了一个新的级联网络，该网络可以在不同场景下实现个人再识别，它不仅在衣服外观发生变化的情况下进行操作，而且还利用了 “soft-biometrics” 的概念，它包括身体形态等特征来增强匹配的准确性。

    May, 2020

  • 利用无线电信号进行人类感知的无监督学习

    本论文旨在探索无人标记的射频信号数据在无监督学习下，是否能适应基于 RGB 的表示学习，并表明这种方法在多种任务上已经超过了基于射频信号的人体感知的最新成果，为来自这种新颖方式的无监督表征学习开辟了可能性。

    Jul, 2022

  • 学习适用于长期个体再识别的服饰和姿态不变的 3D 形状表示

    本研究通过提出一种新方法 3DInvarReID，旨在扩展长期人员再识别（LT-ReID）的范围，使其不仅适用于行人识别，还包括更广泛的真实世界人类活动，并考虑到大时间间隔内的服装变化场景。实验结果表明，我们的方法在人员再识别方面具有更好的性能。

    Aug, 2023

  • 视觉遇见无线定位：基于循环上下文传播的有效人员再识别

    本文提出了一种基于人员视觉数据和无线定位数据的人员重识别方法 —— 使用循环上下文传播模块和交叉模态线索进行信息传递以提高匹配度，实验结果表明该算法的有效性。

    Aug, 2020

  • 人物再识别：过去、现在和未来

    这篇文章介绍了人员再识别技术及其发展历史，对手工算法和深度学习算法在画面和视频再识别任务中的表现进行了概述，描述了未来方向和需要提高的问题。

    Oct, 2016

  • 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

  • 实用真实世界应用的人员重识别数据集和方法基准测试

    本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。

    Dec, 2022

  • 基于视频的可见光与红外人员再识别学习模态不变性和时间记忆

    本研究主要研究基于视频的跨模态人员重新识别方法。通过构建一个视频 RGB-IR 数据集，证明了在 RGB-IR 人员重新识别中，视频到视频的匹配非常重要。此外，还提出了一种新的方法，该方法不仅将两种模态投射到模态不变的子空间中，还提取了时间内存以实现运动不变性。

    Aug, 2022

  • 通过对齐学习：利用跨模态对应关系进行可见光 - 红外人员再识别

    本研究提出了一种新颖的特征学习框架，通过利用密集对应的交叉模态人物图像，像素级地抑制与模态相关的特征，从而更有效地促进交叉模态本地特征的判别式特征学习，从而解决了可见 - 红外人物重识别的问题。

    Aug, 2021

  • 基于深度的鲁棒性人员再识别

    该研究提出了一种基于深度信息的人物重识别方法，利用深度数据提取人体骨架和形状特征，进而提出了一种具有旋转不变性的 Eigen-depth 特征描述符，并通过基于核技术的隐式特征转换方法在缺少深度数据时估算特征。实验结果表明，该方法可以在改善外观特征因光照和相似服饰引起的视觉混淆问题上取得较好的效果。

    Mar, 2017