Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >行人重识别ReID整理

行人重识别ReID整理

作者头像
算法之名
发布于 2023-12-08 05:54:58
发布于 2023-12-08 05:54:58
1.6K0
举报
文章被收录于专栏:算法之名算法之名

行人重识别(Person re-identification)也称行人再识别,被广泛认为是一个图像检索子问题,是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术,即给定一个监控行人图像检索跨设备下的该行人图像。行人重识别技术可以弥补目前固定摄像头的视觉极限,并可与行人检测、行人跟踪技术相结合,应用于视频监控、智能安防等领域。

一般行人重识别具有短时效应,我们需要识别的行人的衣服是一个主要特征,当然衣服只是特征之一,如果该行人更换了衣服,那么行人重识别可能会失效。

它的主要原理如下

首先我们需要一个行人检测系统将原始视频帧中的所有行人全部检测出来,形成一个仓库Gallery,然后我们需要一个待检索的行人的个人图像,称为Probe,将该行人的特征提取出来,在Gallery中进行比对,即进行相似度的度量,大于一定的阈值,即认为在Gallery中检索到了该行人。

数据集

数据集通常是通过人工标注或者检测算法得到的行人图片,目前与检测独立,注重识别。分为训练集、验证集、Query(一堆Probe,待检索的个人照片)、Gallery(图像库)。在训练集上进行模型训练,得到模型参数后对Query与Gallery中的图片提取特征值计算相似度,对于每个Query在Gallery中找出前N个与其相似的图片。训练、测试中人物身份不能重复。

数据集分为单帧和序列的。

单帧

序列

挑战

行人重识别目前准确率只能达到90%,不同人脸识别,可以达到99%的准确率,主要原因为

常用的评价指标

  • rank-k:算法返回的排序列表中,前k位存在检索目标则称为rank-k命中。

上图中第一行第一个样本,第一个就击中了,所以它是rank-1击中;第二行第二个样本,它前3都未击中,第四个击中了,它属于前5击中,包括rank-1在那,所以是rank-5击中;第四和第五行都没有前五击中,但是在前10集中,所以它们都是好rank-10。这样下来rank-1的概率就为40%,rank-5的概率就为60%,rank-10的概率就是100%。

  • CMC曲线:计算rank-k的击中率,形成rank-acc的曲线

上图是各个算法的rank-k曲线,无论哪种算法,肯定k值越大,准确率越高,这是必然的。

  • mAP曲线:反应检索的人在数据库中所有正确的图片在排序列表前面的程度,能更加全面的衡量ReID算法的性能。

在上图中,如果Gallery有多个Probe1的图片,其中有一张图片在rank-1被击中,另外两张图片分别在rank-4和rank-9被击中。而Probe2在rank-2、rank-5、rank-7被击中,由于Probe1有rank-1的,Probe2只有rank-2的,是否说明Prob1比Prob2好呢?答案是不一定的。

这里我们要计算AP值,在Probe1中,rank-1的概率是1/1,rank-4的概率是2/4(这里包含了rank-1),rank-9的概率是3/9(这里包含了rank-1和rank-4),将rank-1、rank-4、rank-9的概率加起来除以平均数3,就得到了Probe1的AP值为61.1%。同理Probe2的AP值为44.3%。

mAP就是所有Probe AP的平均,由于这里只有两个Probe,故mAP=52.7%。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-12-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
​CVPR 2022丨特斯联AI提出:基于图采样深度度量学习的可泛化行人重识别
最近的研究表明,显式深度特征匹配以及大规模多样化的训练数据均可显著提升行人重识别的泛化能力。但是,在大规模数据上,学习深度匹配器的效率还未得到充分研究。 近日,特斯联科技集团首席科学家邵岭博士及团队提出了一种高效的小批量采样(mini-batch sampling)方法——图采样(Graph Sampling, GS),用于大规模深度度量学习,极大改善了可泛化行人重识别。目前,该研究成果(题为: Graph Sampling Based Deep Metric Learning for Generaliz
AI科技评论
2022/07/04
6290
​CVPR 2022丨特斯联AI提出:基于图采样深度度量学习的可泛化行人重识别
NeurIPS 2021 | 图像损坏场景下行人重识别新基准
行人重识别(Person ReID)在安全部署领域有着广泛应用,当前的研究仅考虑ReID模型在干净数据集上的性能,而忽略了ReID模型在各种图像损坏场景(雨天、雾天等)下的鲁棒性。
CV君
2022/03/30
1.3K0
NeurIPS 2021 | 图像损坏场景下行人重识别新基准
云从科技跨镜追踪(ReID)技术再次刷新世界记录
近日,云从科技在跨镜追踪技术(ReID,Person Re-identification)上再次取得重大进展,在三大主流ReID数据集Market-1501、DukeMTMC-reID、CUHK03上超过阿里巴巴、腾讯、微软、中科院自动化所等企业与科研机构,创造新的世界纪录。
OpenCV学堂
2019/04/29
1.1K0
云从科技跨镜追踪(ReID)技术再次刷新世界记录
云从科技资深算法研究员:详解跨镜追踪(ReID)技术实现及难点 | 公开课笔记
作者 | 袁余锋 编辑 | 明 明 出品 | 人工智能头条(公众号ID:AI_Thinker) 【导读】跨镜追踪(Person Re-Identification,简称 ReID)技术是现在计算机视觉研究的热门方向,主要解决跨摄像头跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型等信息认知行人,与人脸识别结合能够适用于更多新的应用场景,将人工智能的认知水平提高到一个新阶段。 本期大本营公开课,我们邀请到了云从科技资深算法研究员袁余锋老师,他将通过以下四个方面来讲解本
用户1737318
2018/07/20
2K0
学界 | 清华等机构提出基于内部一致性的行人检索方法,实现当前最优
行人检索又叫行人重识别(person re-identification,re-ID),即基于给定行人,从大型数据库中检索特定相关人行道的图像。目前,深度学习方法主导该领域,性能超过人工检索者 [40]。深度学习得到的表征提供高度判断力,尤其是该表征是从深度学习得到的部分特征聚合而来时。在 re-ID 基准上最新的当前最优性能是使用 part-informed 深层特征获得的 [35, 27, 37]。
机器之心
2018/07/30
4760
学界 | 清华等机构提出基于内部一致性的行人检索方法,实现当前最优
CCAF 新框架,利用 CLIP 学习细粒度语义特征,增强跨摄像头识别 !
凡本公众号注明“来源:XXX(非集智书童)”的作品,均转载自其它媒体,版权归原作者所有,如有侵权请联系我们删除,谢谢。
集智书童公众号
2024/06/25
8510
CCAF 新框架,利用 CLIP 学习细粒度语义特征,增强跨摄像头识别 !
人脸识别后,下一个视觉“杀手级应用”来了——依图行人重识别(ReID)刷新世界纪录
世界级ReID算法,加上自研AI芯片,业界期待的下一个计算机视觉领域“杀手级应用”已然到来。
AI掘金志
2020/04/01
8490
人脸识别后,下一个视觉“杀手级应用”来了——依图行人重识别(ReID)刷新世界纪录
超阿里、大华,澎思科技行人再识别(ReID)技术刷新三大数据集记录
【导读】不久前,江苏省某市公安通过 AI 技术分析监控摄像头中的信息,抓获了一个偷盗电动车的嫌疑人员。监控摄像头在现场拍到的是嫌疑人背对摄像头的情况,未有清晰正面的人脸,但图片显示了他的穿着、发型、身高等信息,而警方运用的技术则是计算机视觉领域中的行人再识别技术(Re-ID),通过Re-ID技术警方找到了关联摄像头正好拍到他的正脸,以此确认身份,迅速将嫌疑人抓获。这也是行人再识别技术在实战场景中的一个典型应用,而提供给警方技术支持的则是国内人工智能企业澎思科技(Pensees)。
AI科技大本营
2019/07/11
1.1K0
超阿里、大华,澎思科技行人再识别(ReID)技术刷新三大数据集记录
ReID:通用性能评价标准
Market-1501是行人重识别领域最为常用的benchmark,数据集在清华大学校园中采集,夏天拍摄,在 2015 年构建并公开。它包括由6个摄像头(其中5个高清摄像头和1个低清摄像头)拍摄到的 1501 个行人、32668 个检测到的行人矩形框。每个行人至少由2个摄像头捕获到,并且在一个摄像头中可能具有多张图像。训练集有 751 人,包含 12,936 张图像,平均每个人有 17.2 张训练数据;测试集有 750 人,包含 19,732 张图像,平均每个人有 26.3 张测试数据。3368 张查询图像的行人检测矩形框是人工绘制的,而 gallery 中的行人检测矩形框则是使用DPM检测器检测得到的。该数据集提供的固定数量的训练集和测试集均可以在single-shot或multi-shot测试设置下使用。
chaibubble
2021/03/22
8780
ReID:通用性能评价标准
【首次超越人类】旷视行人再识别(ReID)突破,人脸识别后创新纪录
编辑:闻菲 【新智元导读】行人再识别(ReID)是近年来计算机视觉的一个研究重点,给定一个监控行人图像,跨设备检索该行人的图像。由于不同摄像设备之间存在差异,行人外观易受穿着、尺度、遮挡、姿态和视角等影响,行人再识别是一个既具研究价值同时又极富挑战性的课题。日前,旷视科技Face++的研究团队,让机器在行人再识别(ReID)上首次超越人类,创下了行业纪录。 旷视科技首席科学家、研究院院长孙剑表示:“我非常高兴看到又一个非常难且有巨大应用价值的图像感知问题,被旷视科技团队的算法超越了人类性能。”研究人员表示,
新智元
2018/03/21
1.8K0
【首次超越人类】旷视行人再识别(ReID)突破,人脸识别后创新纪录
CVPR2018: Unsupervised Cross-dataset Person Re-identification by Transfer Learning of Spatio-tempora
CVPR2018: Unsupervised Cross-dataset Person Re-identification by Transfer Learning of Spatio-tempora
梦里茶
2018/03/30
2.1K0
行人重识别 PCB-RPP,SGGNN
如下图,给定一个行人图或行人视频作为查询query,在大规模底库中找出与其最相近的同一ID的行人图或行人视频。
SIGAI学习与实践平台
2018/09/30
4.4K0
行人重识别 PCB-RPP,SGGNN
可微图学习&弱监督,中山大学提出新型行人重识别方法和史上最大最新评测基准
行人重识别,又称行人再识别,是利用 CV 技术判断图像或视频序列中是否存在特定行人的技术。常规的行人重识别方法往往需要高昂的人工标注成本,计算复杂度也很大。在本文中,中山大学研究者提出的弱监督行人重识别方法恰恰克服了这两方面的障碍,并发布了一个大型行人重识别数据集。
小白学视觉
2020/12/07
5610
可微图学习&弱监督,中山大学提出新型行人重识别方法和史上最大最新评测基准
数据不够,游戏来凑!随机三维人物实现可泛化的行人再辨识(ReID)
【导语】数据不够,游戏来凑!阿联酋起源人工智能研究院(IIAI)科学家通过随机组合颜色和纹理产生了8000个三维人物模型,并在游戏环境里模拟真实监控得到一个虚拟行人数据集,最终通过跨库泛化性测试一举超越了CUHK03,Market-1501,DukeMTMC-reID和几乎MSMT17在内的四大主流行人再辨识数据集。
CV君
2020/08/21
9140
数据不够,游戏来凑!随机三维人物实现可泛化的行人再辨识(ReID)
阿里达摩院将Transformer应用于目标重识别,效果显著(附源代码)
论文地址:https://arxiv.org/pdf/2102.04378.pdf
计算机视觉研究院
2022/01/28
6750
阿里达摩院将Transformer应用于目标重识别,效果显著(附源代码)
关注度越来越高的行人重识别,有哪些热点?
内容提要:行人重识别技术,广泛应用于智慧城市、自动驾驶等场景中,近年取得飞速发展。这也得益于训练数据规模的扩大、深度学习的发展。
HyperAI超神经
2020/09/14
2K0
关注度越来越高的行人重识别,有哪些热点?
下一个视觉「杀手级应用」来了,依图行人重识别ReID性能创纪录
对于这个问题,业界似乎早已有了共识。从 AI 的人脸识别能力超越人类以来,学术界和产业界的目光逐渐转向另一个更具科研意义和应用价值的课题——行人重识别(Person Re-identification,ReID)。
机器之心
2020/04/01
8070
下一个视觉「杀手级应用」来了,依图行人重识别ReID性能创纪录
graph representation learning_with for什么意思
云从科技在跨镜追踪(行人再识别)技术(ReID)上获取重大突破。同时在Market-1501,CUHK03,DukeMTMC-reID三个数据集刷新了世界纪录,其中最高在Market-1501上的首位命中率(Rank-1 Accuracy)达到96.6%,让跨镜追踪(ReID)在准确率上首次达到商用水平,人工智能即将从「刷脸」跨到「识人」的新纪元。
全栈程序员站长
2022/11/08
7290
graph representation learning_with for什么意思
从零开始行人重识别
探索了行人特征的基本学习方法。在这个实践中,我们将会学到如何一步一步搭建简单的行人重识别系统。欢迎任何建议。
OpenCV学堂
2019/07/19
1.9K0
opencv︱opencv中实现行人检测:HOG+SVM(二)
2016年张姗姗等人从分析的角度对各个工作进行总结和归纳。通过分析错误案例来找到错误来源,并提出相应的解决方案以进一步提高检测率。研究发现,在高层级中主要有两类错误,分别是定位错误和背景分类错误。可以尝试两个解决方案,其一是针对检测框对齐性比较差这一现象,可以通过使用对齐性更好的训练样本标签来解决;而针对模型判别能力比较差的问题,可以通过在传统的 ICF 模型上使用 CNN 进行重新打分来提升检测的性能。
悟乙己
2019/05/26
6.7K0
推荐阅读
​CVPR 2022丨特斯联AI提出:基于图采样深度度量学习的可泛化行人重识别
6290
NeurIPS 2021 | 图像损坏场景下行人重识别新基准
1.3K0
云从科技跨镜追踪(ReID)技术再次刷新世界记录
1.1K0
云从科技资深算法研究员:详解跨镜追踪(ReID)技术实现及难点 | 公开课笔记
2K0
学界 | 清华等机构提出基于内部一致性的行人检索方法,实现当前最优
4760
CCAF 新框架,利用 CLIP 学习细粒度语义特征,增强跨摄像头识别 !
8510
人脸识别后,下一个视觉“杀手级应用”来了——依图行人重识别(ReID)刷新世界纪录
8490
超阿里、大华,澎思科技行人再识别(ReID)技术刷新三大数据集记录
1.1K0
ReID:通用性能评价标准
8780
【首次超越人类】旷视行人再识别(ReID)突破,人脸识别后创新纪录
1.8K0
CVPR2018: Unsupervised Cross-dataset Person Re-identification by Transfer Learning of Spatio-tempora
2.1K0
行人重识别 PCB-RPP,SGGNN
4.4K0
可微图学习&弱监督,中山大学提出新型行人重识别方法和史上最大最新评测基准
5610
数据不够,游戏来凑!随机三维人物实现可泛化的行人再辨识(ReID)
9140
阿里达摩院将Transformer应用于目标重识别,效果显著(附源代码)
6750
关注度越来越高的行人重识别,有哪些热点?
2K0
下一个视觉「杀手级应用」来了,依图行人重识别ReID性能创纪录
8070
graph representation learning_with for什么意思
7290
从零开始行人重识别
1.9K0
opencv︱opencv中实现行人检测:HOG+SVM(二)
6.7K0
相关推荐
​CVPR 2022丨特斯联AI提出:基于图采样深度度量学习的可泛化行人重识别
更多 >
领券
社区富文本编辑器全新改版!诚邀体验~
全新交互,全新视觉,新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能,全面提升创作效率和体验
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文