[논문 리뷰] Person Re-identification Based on Color Histogram and Spatial Configuration of Dominant Color Regions

Kwangchol Jang, Sokmin Han외 1명|arXiv (Cornell University)|2014. 11. 13.

Video Surveillance and Tracking Methods참고 문헌 37인용 수 6

한 줄 요약

이 논문은 조명, 자세, 시점 변화에 대해 강건성을 향상시키기 위해 신규로 제안된 도미넌트 컬러 디스크립터(DCD)를 활용하여 신체 부위의 도미넌트 컬러 영역의 주로색 히스토그램과 공간적 구성 요소를 이용한 개인 재식별 방법을 제안한다. 기준 데이터셋에서 평가한 결과, CMC 곡선에서 뛰어난 성능을 보이며, 교차 카메라 개인 검색에서의 효과성을 입증한다.

ABSTRACT

There is a requirement to determine whether a given person of interest has already been observed over a network of cameras in video surveillance systems. A human appearance obtained in one camera is usually different from the ones obtained in another camera due to difference in illumination, pose and viewpoint, camera parameters. Being related to appearance-based approaches for person re-identification, we propose a novel method based on the dominant color histogram and spatial configuration of dominant color regions on human body parts. Dominant color histogram and spatial configuration of the dominant color regions based on dominant color descriptor(DCD) can be considered to be robust to illumination and pose, viewpoint changes. The proposed method is evaluated using benchmark video datasets. Experimental results using the cumulative matching characteristic(CMC) curve demonstrate the effectiveness of our approach for person re-identification.

연구 동기 및 목표

• 비중첩 카메라 네트워크에서 조도, 자세, 시점 조건이 다양할 때 개인 재식별 문제를 해결하기 위해.
• 신체 상의 도미넌트 컬러 영역과 그 공간적 배치에 초점을 맞춰 외관 기반 재식별 성능을 향상시키기 위해.
• 조도 및 자세 변화에 불변성을 확보하면서도, 구분 가능한 색상 및 공간 정보를 유지하는 디스크립터를 개발하기 위해.
• CMC 곡선 메트릭을 사용하여 표준 기준 데이터셋에서 제안된 방법의 성능을 평가하기 위해.

제안 방법

• 이 방법은 RGB 또는 CIELAB 공간에서 k-means를 활용한 색상 클러스터링을 통해 사람 이미지에서 도미넌트 컬러 영역을 추출한다.
• 도미넌트 컬러 영역에 대한 색상 히스토그램을 계산하여 도미넌트 컬러 디스크립터(DCD)를 구성하며, 이는 각 신체 부위의 도미넌트 색상 분포를 캡처한다.
• 신체 상의 상대적 위치(예: 머리, 흉부, 사지 등)를 분석하여 도미넌트 컬러 영역의 공간적 구성 요소를 기하학적 레이아웃 특징으로 인코딩한다.
• DCD는 색상 히스토그램 특징과 공간 레이아웃 정보를 하나의 컴act한 디스크립터로 통합하여 카메라 간 효율적인 매칭을 가능하게 한다.
• 특징 매칭은 쿼리 이미지와 갤러리 이미지의 DCD 간 거리 메트릭(예: 카이제곱 또는 L2)을 사용하여 수행된다.
• 시스템은 다양한 데이터셋에서의 재식별 성능 평가를 위해 누적 매칭 특성(CMC) 곡선을 사용한다.

실험 결과

연구 질문

• RQ1 도미넌트 컬러 영역의 공간적 배열을 포함한 색상 기반 디스크립터가 조명 및 시점 변화에 대해 강건성을 향상시킬 수 있는가?
• RQ2 제안된 도미넌트 컬러 디스크립터(DCD)가 다양한 카메라 시점과 조도 조건에서 개인을 구분하는 데 얼마나 효과적인가?
• RQ3 도미넌트 컬러 영역의 색상 히스토그램과 공간 구성 요소를 결합하면 기존의 색상 히스토그램 또는 공간 구성 전용 방법보다 성능이 뛰어나게 되는가?
• RQ4 제안된 방법은 표준 기준 데이터셋에서 개인 재식별 성능이 어떻게 나타나는가?

주요 결과

• 제안된 방법은 기준 데이터셋에서 경쟁적인 성능을 보이며, 조명 및 시점 변화에 대해 강건함을 입증한다.
• 공간적 구성 요소를 도미넌트 컬러 히스토그램과 통합함으로써, 색상 히스토그램만을 사용하는 것보다 재식별 정확도가 크게 향상된다.
• CMC 곡선 결과에서 높은 랭크-1 식별률을 보이며, 도전적인 조건에서도 강력한 검색 성능을 나타낸다.
• DCD 기반 접근법은 미세한 자세 및 조도 변화에 대해 불변성을 유지하면서도, 구분 가능한 외관 특징을 효과적으로 캡처한다.