[論文レビュー] Comparative study of histogram distance measures for re-identification

Pedro A. Marín-Reyes, Javier Lorenzo-Navarro+1 more|arXiv (Cornell University)|Nov 24, 2016

Advanced Image and Video Retrieval Techniques被引用数 11

ひとこと要約

この論文は、色ヒストグラムを用いた人物再識別におけるヒストグラム距離測度と色空間の評価を行い、HSV色空間で16〜32のビンと5〜10本の水平ストライプを用いた場合、Bhattacharyya、カイ二乗、およびインターセクション距離が最も優れた性能を示すことを明らかにした。本研究は、複数のデータベースにおける実証的ランク付けに基づき、再識別システムの妥当な初期設定を提供する。

ABSTRACT

Color based re-identification methods usually rely on a distance function to measure the similarity between individuals. In this paper we study the behavior of several histogram distance measures in different color spaces. We wonder whether there is a particular histogram distance measure better than others, likewise also, if there is a color space that present better discrimination features. Several experiments are designed and evaluated in several images to obtain measures against various color spaces. We test in several image databases. A measure ranking is generated to calculate the area under the CMC, this area is the indicator used to evaluate which distance measure and color space present the best performance for the considered databases. Also, other parameters such as the image division in horizontal stripes and number of histogram bins, have been studied.

研究の動機と目的

• さまざまなヒストグラム距離測度が人物再識別タスクに与える性能を評価すること。
• 変動する照度条件下でも優れた識別性能を示す色空間を特定すること。
• ヒストグラムのビン数と画像を水平ストライプに分割する影響が、再識別精度に与える影響を分析すること。
• 実証的評価に基づき、再識別システムの堅牢な初期設定を確立すること。

提案手法

• 本研究では、RGB、HSV、CIELAB、YCbCrの複数の色空間で計算された色ヒストグラムを、グローバル画像記述子として用いる。
• Bhattacharyya、カイ二乗、相関、インターセクション、L1、L2、Kullback-Leibler発散の7つのヒストグラム距離測度を評価する。
• 画像を水平ストライプ（1〜20本）に分割し、局所的な色ヒストグラムを抽出することで、空間的識別能を向上させる。
• スケール不変性を確保するために、ヒストグラムを確率分布に正規化する。
• 性能は、CMC曲線下の面積（mAP）で測定され、4つのベンチマークデータベースにわたって平均化される。
• 16種のビン設定と複数の色空間で実験が実施され、計算効率を確保するため実行時間も測定される。

実験結果

リサーチクエスチョン

• RQ1 複数のデータベースにわたって、どのヒストグラム距離測度が最も高い再識別精度を達成するか？
• RQ2 照度の変動に強く、優れた識別性能を示す色空間は何か？
• RQ3 ヒストグラムのビン数の増加が、再識別性能と計算コストに与える影響は何か？
• RQ4 ヒストグラムベースの再識別において、画像分割に最適な水平ストライプの数は何か？
• RQ5 異なる距離測度は、実行時間と頑健性の観点でどのように振る舞うか？

主な発見

• Bhattacharyya、カイ二乗、およびインターセクション距離は、すべてのデータベースで他の測度よりも顕著に優れた性能を示し、CMC曲線下の面積が最大となった。
• HSV色空間は、RGB、CIELAB、YCbCrよりも顕著に優れた性能を示した。これは、明度と彩度成分が分離されているためと考えられる。
• 16〜32のビン数が、情報保持とノイズ低減のバランスを最適にした。ビン数をさらに増やしても顕著な改善は得られなかった。
• 画像を5〜10本の水平ストライプに分割することで、色の空間的分布を捉えることができ、性能が向上した。一方、ストライプ数を増やすと、ビン値が疎らになりノイズが増加した。
• KL発散は、計算過程での情報損失のため、異常な性能を示し、本タスクには不適切であることが判明した。
• 実行時間はストライプ数に比例して増加するが、ビン数の増加が実行時間に与える影響はより予測困難であった。