[論文レビュー] Kernel Cross-View Collaborative Representation based Classification for Person Re-Identification

Raphael Prates, William Robson Schwartz|arXiv (Cornell University)|Nov 21, 2016

Video Surveillance and Tracking Methods被引用数 4

ひとこと要約

本稿では、非線形でマルチタスクな枠組みであるカーネル化されたクロスビュー協調表現ベース分類法（Kernel X-CRC）を提案する。この手法は、異なるカメラ間でプローブおよびギャラリー画像の協調表現係数を同時に最適化し、カメラ内での代表性とカメラ間での類似性のバランスをとる。PRID450SおよびGRIDでは最先端のランク1一致率を達成し、VIPeRでは2番目に高い性能を示した。

ABSTRACT

Person re-identification aims at the maintenance of a global identity as a person moves among non-overlapping surveillance cameras. It is a hard task due to different illumination conditions, viewpoints and the small number of annotated individuals from each pair of cameras (small-sample-size problem). Collaborative Representation based Classification (CRC) has been employed successfully to address the small-sample-size problem in computer vision. However, the original CRC formulation is not well-suited for person re-identification since it does not consider that probe and gallery samples are from different cameras. Furthermore, it is a linear model, while appearance changes caused by different camera conditions indicate a strong nonlinear transition between cameras. To overcome such limitations, we propose the Kernel Cross-View Collaborative Representation based Classification (Kernel X-CRC) that represents probe and gallery images by balancing representativeness and similarity nonlinearly. It assumes that a probe and its corresponding gallery image are represented with similar coding vectors using individuals from the training set. Experimental results demonstrate that our assumption is true when using a high-dimensional feature vector and becomes more compelling when dealing with a low-dimensional and discriminative representation computed using a common subspace learning method. We achieve state-of-the-art for rank-1 matching rates in two person re-identification datasets (PRID450S and GRID) and the second best results on VIPeR and CUHK01 datasets.

研究の動機と目的

• 1人1人のIDに対して利用可能なトレーニングサンプルが少ない状況におけるperson re-identificationの小標本問題に対処すること。
• カメラ遷移に起因する非線形な外観変化に対処するため、線形な協調表現ベース分類（CRC）の限界を克服すること。
• 異なるカメラ間でプローブおよびギャラリー表現を同時にモデル化することで、識別的なクロスビュー情報を協調表現に組み込むこと。
• 各カメラ内での代表性と、対応するプローブおよびギャラリー符号化ベクトル間の類似性のバランスをとることで、一致精度を向上させること。
• 異なるカメラ視点間の複雑な非線形データ遷移を捉える非線形でカーネルベースのフレームワークを開発すること。

提案手法

• 1. カーネル化された特徴を用いて、プローブおよびギャラリー画像の協調表現係数を同時に計算するマルチタスク最適化問題を定式化する。
• 2. 入力特徴を高次元空間にマップするカーネル関数を用い、プローブおよびギャラリー画像間の非線形関係をモデル化する。
• 3. 異なるカメラで撮影された同一IDの画像の符号化ベクトルの類似性を確保するため、その係数がカーネル空間で近くなるように制約を課す。
• 4. 次元削減と識別力の向上のため、事前にカーネルX-CRCを適用する前に、共通の部分空間学習法（例：PCAまたはLDA）を適用する。
• 5. ギャラリーの符号化表現を用いてプローブ画像の再構成誤差をマッチングスコアとして用い、符号化空間におけるカーネル化された類似性を考慮する。
• 6. 小標本条件下での安定性とロバスト性を確保するため、Tikhonov正則化を用いて表現を最適化する。

実験結果

リサーチクエスチョン

• RQ1 クロスビューの識別的情報を協調表現フレームワークに効果的に組み込むにはどうすればよいか？
• RQ2 非線形表現モデルが、複雑なカメラ遷移効果を捉えることでマッチング性能を向上させられるか？
• RQ3 異なるカメラで撮影された同一IDの符号化ベクトルの類似性を強制することで、re-identificationの精度が向上するか？
• RQ4 標準的なRe-IDベンチマークにおいて、Kernel X-CRCの性能はメトリック学習およびディープラーニングベースラインと比べてどうか？
• RQ5 低次元で識別的な部分空間で作業することで、小標本設定下での協調表現のロバスト性と精度が向上するか？

主な発見

• PRID450Sデータセットでは、68.8%のランク1一致率を達成し、表6に掲載されたすべての手法よりも高い。
• GRIDデータセットでは、26.6%のランク1正答率を達成し、表8に報告されたすべての手法の中で最高であり、干渉要因へのロバスト性を示した。
• CUHK01データセットでは、61.2%のランク1正答率を達成し、すべての手法の中で2番目に高い性能を示した。唯一それを上回ったのはディープラーニングベースのWARCAモデルであった。
• PRID450SおよびGRIDでは最先端の性能を達成し、VIPeRおよびCUHK01でも上位2位以内を維持しており、強力な一般化性能を示した。
• 性能向上は特に低次元で識別的な部分空間で顕著であり、部分空間学習とカーネル化された協調表現を組み合わせることの利点を裏付けた。
• 従来のCRCおよびSRCは、KISSMEのようなメトリック学習ベースラインに比べて性能が劣り、特にクロスカメラ状況下で顕著であった。