小股人群重识别研究进展

摘要：

小股人群重识别旨在将非重叠视域的摄像头网络下具有相同成员的群组图像进行正确的关联.小股人群重识别是传统行人重识别任务的一个重要拓展,在安防监控场景下有着重要的研究意义和应用前景.小股人群重识别所面临的独特挑战在于如何针对群内成员的数量变化和布局变化进行建模,并提取稳定、鲁棒的特征表达.近年来,小股人群重识别引发了研究人员的广泛关注,并获得了快速的发展.本文对小股人群重识别技术的研究进展进行了全面的梳理回顾.首先简要介绍本领域的研究背景,对基本概念、数据集和相关技术进行了简要总结.在此基础上,对多种小股人群重识别算法进行了详细的介绍,并在多个数据集上对前沿算法进行性能对比.最后,对该任务进行展望.整体而言,与行人重识别相比,小股人群重识别的现有方法在具体场景下的特定挑战性能表现欠佳,还需要从数据收集和方法设计两方面进一步探讨.此外,现有的小股人群重识别研究与其他视觉任务的关联性不够紧密,如何协同多任务作业以解决更多业界需求、加速产业落地,需要学术界和工业界共同思考和推动.

关键词：小股人群重识别(GReID)、行人重识别、虚拟数据、深度学习、特征学习、度量学习、Transformer

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;公安部技术研究计划项目

在线出版日期：2023-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1225-1241