[論文レビュー] Distance-based Camera Network Topology Inference for Person Re-identification

Yeong-Jun Cho, Kuk‐Jin Yoon|arXiv (Cornell University)|Dec 1, 2017

Video Surveillance and Tracking Methods参考文献 52被引用数 3

ひとこと要約

本稿では、校正済みのカメラパラメータと人間の歩行速度を用いて相互カメラ間距離を推定することで、大規模な監視環境における人物再識別精度を向上させる距離ベースのカメラネットワークトポロジー推定手法を提案する。相対的なスケール推定と適応的で速度に配慮したトポロジーを活用することで、歩行速度のばらつきが大きい状況でも、時間ベースの手法に比べて優れた再識別性能を達成し、SLPデータセットにおいて平均20秒の検索範囲で優れた性能を発揮する。

ABSTRACT

In this paper, we propose a novel distance-based camera network topology inference method for efficient person re-identification. To this end, we first calibrate each camera and estimate relative scales between cameras. Using the calibration results of multiple cameras, we calculate the speed of each person and infer the distance between cameras to generate distance-based camera network topology. The proposed distance-based topology can be applied adaptively to each person according to its speed and handle diverse transition time of people between non-overlapping cameras. To validate the proposed method, we tested the proposed method using an open person re-identification dataset and compared to state-of-the-art methods. The experimental results show that the proposed method is effective for person re-identification in the large-scale camera network with various people transition time.

研究の動機と目的

• 変動する歩行時間による非重複カメラネットワークにおける人物再識別の不正確さという課題に取り組む。
• 一様な歩行速度を仮定する時間ベースのトポロジーに起因する限界を克服し、歩行速度の変動に弱い問題を解消する。
• 空間的距離と個々の歩行速度を統合した、より強固で適応的なトポロジー推定手法を開発し、検索空間の制限を改善する。
• 距離ベースのトポロジーが、最先端の時間ベース手法と比較して誤検出を低減し、再識別精度を向上させる有効性を検証する。

提案手法

• 自己校正技術を用いてカメラを校正し、スケールまでに至る外挿パラメータを推定することで、3次元再構築におけるスケールの曖昧さを解消する。
• 人間の身長情報からカメラ間の相対的スケール比を推定し、スケールの曖昧さを是正し、距離推定を向上させる。
• 校正済みのカメラデータと時系列追跡情報から個々の人物の速度を推定し、移動時間を推論する。
• 人物の速度と移動時間の積を用いて相互カメラ間距離を計算し、距離ベースのカメラネットワークトポロジーを構築する。
• 個々の人物ごとに動的にトポロジーを適応させ、個々の歩行速度に応じて時間ベースの検索範囲を調整することで、速度に配慮した再識別を実現する。
• 時間ベースと距離ベースのトポロジーの公平な比較を保証するため、特徴抽出とプーリングに一貫したベースラインを用いる。

実験結果

リサーチクエスチョン

• RQ1 距離ベースのカメラネットワークトポロジーは、大規模なカメラネットワークにおいて時間ベースのトポロジーと比較して、人物再識別性能を向上させることができるか？
• RQ2 提案手法は、時間ベースのトポロジー推定に課題を引き起こす多様な歩行速度をどのように処理するか？
• RQ3 人間の身長からのスケール推定は、相互カメラ間距離推定の正確性をどの程度向上させるか？
• RQ4 個々の人物に応じて距離ベースのトポロジーを適応的に適用することは、固定された時間ベースの検索範囲を上回る性能を発揮するか？

主な発見

• 提案手法の距離ベースのアプローチは、時間ベースの手法に比べて、特に5〜10秒の検索範囲で高い検索率を達成しており、変動する移動時間下でも優れた性能を示している。
• 推定されたカメラパラメータを用いた手法（本研究）は、真値パラメータベースライン（gt）と同等の性能を示し、キャリブレーション誤差に対しても頑健であることが確認された。
• 25％のスケール誤差が生じても、距離ベースの手法は時間ベースの手法を上回り、キャリブレーションの不正確さに対しても耐性があることが示された。
• 距離ベースのトポロジーは、時間ベースの手法と比較して、より明確で狭い移動時間分布と小さい分散を示しており、より正確なトポロジー推定が可能であることが示された。
• より複雑なモデル（ランダムフォレストなど）を用いた最先端手法と比較して、単純な特徴プーリング手法を用いても、提案手法の距離ベース再識別は優れた性能を発揮した。
• 同じ20秒の平均検索範囲を用いても、距離ベースのトポロジーを用いた再識別性能は、時間ベースの手法を上回った。