Person Re-Identification System at Semantic Level based on Pedestrian Attributes Ontology

要約

人の再識別（REID）は、人々の追跡、公共の場所で人を見つけたり、スーパーマーケットで顧客の行動を分析するなどのビデオ監視システムで非常に重要なタスクです。
この問題を解決するための多くの作業はありましたが、大規模なデータセット、不均衡なデータ、視点、細かい粒子データ（属性）などの課題はまだ残っていますが、ローカル機能はREIDタスクのオンライン段階でセマンティックレベルで採用されていません。さらに、属性の不均衡なデータの問題は考慮されていません。
このペーパーでは、統一されたReidシステムは、歩行者属性オントロジー（PAO）、ローカルマルチタスクDCNN（ローカルMDCNN）、不均衡データソルバー（IDS）などの3つの主要なモジュールで構成されています。
REIDシステムの新しい主要なポイントは、PAO、ローカルMDCNN、およびIDの相互支援の力であり、属性の内部グループ相関を活用し、ファッション属性と顔の属性としてセット情報に基づいてセットセットからギャラリーの候補を事前にフィルターし、ネットワークアーキテクチャを調整せずに属性を調整することなく属性の不均衡なデータを解決します。
よく知られているMarket1501データセットで実験しました。
実験結果は、REIDシステムの有効性を示しており、一部の最先端のREIDメソッドと比較して、Market1501データセットでより高いパフォーマンスを達成できます。

要約(オリジナル)

Person Re-Identification (Re-ID) is a very important task in video surveillance systems such as tracking people, finding people in public places, or analysing customer behavior in supermarkets. Although there have been many works to solve this problem, there are still remaining challenges such as large-scale datasets, imbalanced data, viewpoint, fine grained data (attributes), the Local Features are not employed at semantic level in online stage of Re-ID task, furthermore, the imbalanced data problem of attributes are not taken into consideration. This paper has proposed a Unified Re-ID system consisted of three main modules such as Pedestrian Attribute Ontology (PAO), Local Multi-task DCNN (Local MDCNN), Imbalance Data Solver (IDS). The new main point of our Re-ID system is the power of mutual support of PAO, Local MDCNN and IDS to exploit the inner-group correlations of attributes and pre-filter the mismatch candidates from Gallery set based on semantic information as Fashion Attributes and Facial Attributes, to solve the imbalanced data of attributes without adjusting network architecture and data augmentation. We experimented on the well-known Market1501 dataset. The experimental results have shown the effectiveness of our Re-ID system and it could achieve the higher performance on Market1501 dataset in comparison to some state-of-the-art Re-ID methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google