Jan, 2024

基于 3D 骨架的人员再识别调查：方法、设计、挑战和未来方向

PDF
TL;DR通过对当前 SRID 方法、模型设计、挑战和未来方向进行系统调查，我们总结了人物再识别问题、3D 骨架、SRID 方法、模型设计和挑战，并提出了关键改进方向。
person re-identification3d skeletonssrid methodsmodel designschallenges
发现论文，激发创造
  • 基于 LiDAR 的人员重识别

    利用预训练策略检索 3D 人体形状特征，引入基于图形的补充增强编码器提取全面特征的 LiDAR 感知的人物再识别（ReID）框架，构建了首个 LiDAR 感知的人物 ReID 数据集 LReID 以及用于预训练编码器的模拟行人数据集 LReID-sync，并在 LReID 上进行了大量实验，表现出 94.0 的排名 1 准确率，突显了 LiDAR 在解决人物 ReID 任务中的重要潜力。

    Dec, 2023

  • 人物再识别：领域特定开放挑战和未来趋势回顾

    本文通过对 2015 年至 2021 年间 230 多份文献的系统调查，首次综合性地回顾了针对各种视觉挑战的人员重新识别 (person re-identification) 方法，分析了当前方法的优缺点，提出了未来研究的发展方向。

    Feb, 2022

  • 多层关系图建模的骨架原型对比学习用于无监督人员再识别

    提出了一种无监督学习方法 SPC-MGR ，通过多级图关系学习和骨架原型对比学习来学习骨骼的有效表征，从而进行人员再识别。通过实验，在更通用的情境下，SPC-MGR 取得了高竞争力的人员再识别表现。

    Aug, 2022

  • 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 3D 骨骼数据的人的时空表示：综述

    本文概述基于三维骨架数据的空时人体表示，并从信息模态、表示编码、结构和转换、特征工程等角度对这些方法进行分类分析，还提供了骨架获取设备和建立方法的简要概述，列举了一些公共基准数据集，并讨论了未来的研究方向。

    Jan, 2016

  • 人体姿态估计在步态识别中的应用：数据集和模型的全面调研

    本文通过详细综述对于骨架姿态估计和步态分析成为骨架优势的方式，详细介绍了相关数据集、评估方法、挑战和应用方法，并就每个方面进行了细致的比较，在此基础上就性能分析、潜在研究空白、应用领域以及未来的潜在贡献等方面提出了建议，综合评价了深度学习技术在人体姿态估计和步态识别方面的积极作用，为相关研究社区和其他利益相关方提供了借鉴和参考。

    May, 2023

  • 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

  • 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

  • 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

  • 一种具有局部感知的自监督步态编码方法用于基于三维骨架的人员重新识别

    本文提出了一种自监督步态编码方法，通过生成反向骨架序列实现了足够丰富的高层语义，并且结合局部感知机制和对比学习策略，设计出有效的步态编码，在人物重新识别领域中超过了其它方法达 15% 至 40% 的 Rank-1 准确度。

    Sep, 2020