Person Re-Identification for Robot Person Following with Online Continual Learning

要約

ロボット人物追従 (RPF) は、ヒューマン ロボット インタラクション (HRI) アプリケーションにおける重要な機能であり、ロボットが指定された人物を継続的に追跡できるようになります。
実際の RPF シナリオでは、人物が他の物体や人物によって遮られることがよくあります。
したがって、ロボットの視野内に人物が再び現れた場合には、その人物を再識別する必要がある。
前の人物の再識別 (ReID) による後続の人物へのアプローチは、固定特徴抽出器に依存します。
このようなアプローチは、実際の RPF 環境におけるさまざまな視点や照明条件に一般化できないことがよくあります。
言い換えれば、固定特徴抽出器によってモデル化されたドメインの外に人物が再出現した場合、その人物を再識別できない、いわゆるドメイン シフト問題に悩まされます。
この問題を軽減するために、オンライン継続学習 (OCL) を使用して短期と長期の両方の経験 (つまり、RPF 中に最近および以前に観察されたサンプル) でオンラインで最適化された特徴抽出器を使用する RPF 用の ReID フレームワークを提案します。
） フレームワーク。
長期エクスペリエンスはメモリ マネージャーによって維持され、OCL が特徴抽出機能を更新できるようになります。
私たちの実験では、深刻な外見の変化や、見た目が似ている人からの注意散漫がある場合でも、提案された方法は最先端の方法よりも正確にその人を再識別できることが実証されました。

要約(オリジナル)

Robot person following (RPF) is a crucial capability in human-robot interaction (HRI) applications, allowing a robot to persistently follow a designated person. In practical RPF scenarios, the person can often be occluded by other objects or people. Consequently, it is necessary to re-identify the person when he/she reappears within the robot’s field of view. Previous person re-identification (ReID) approaches to person following rely on a fixed feature extractor. Such an approach often fails to generalize to different viewpoints and lighting conditions in practical RPF environments. In other words, it suffers from the so-called domain shift problem where it cannot re-identify the person when his re-appearance is out of the domain modeled by the fixed feature extractor. To mitigate this problem, we propose a ReID framework for RPF where we use a feature extractor that is optimized online with both short-term and long-term experiences (i.e., recently and previously observed samples during RPF) using the online continual learning (OCL) framework. The long-term experiences are maintained by a memory manager to enable OCL to update the feature extractor. Our experiments demonstrate that even in the presence of severe appearance changes and distractions from visually similar people, the proposed method can still re-identify the person more accurately than the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google