[论文解读] Person Re-identification Based on Color Histogram and Spatial Configuration of Dominant Color Regions

Kwangchol Jang, Sokmin Han+1 more|arXiv (Cornell University)|Nov 13, 2014

Video Surveillance and Tracking Methods参考文献 37被引用 6

一句话总结

本文提出一种基于主体颜色直方图及身体部位上主体颜色区域空间配置的人重识别方法，通过一种新颖的主体颜色描述符（DCD）提升对光照、姿态和视角变化的鲁棒性。在基准数据集上的评估显示，该方法在CMC曲线上的表现优异，证明了其在跨摄像头人重识别中的有效性。

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.

研究动机与目标

• 解决在光照、姿态和视角条件变化的非重叠摄像头网络中进行人重识别的挑战。
• 通过聚焦人体上主体颜色区域及其空间布局，改进基于外观的重识别性能。
• 开发一种对光照和姿态变化具有不变性，同时保留区分性颜色与空间信息的描述符。
• 使用CMC曲线度量在标准基准数据集上评估所提出方法。

提出的方法

• 该方法通过在RGB或CIELAB空间中使用k-means等聚类方法，从人体图像中提取主体颜色区域。
• 通过在主体颜色区域上计算颜色直方图，构建主体颜色描述符（DCD），以捕捉每个身体部位的主体颜色分布。
• 通过分析主体颜色区域在人体上的相对位置（如头部、躯干、四肢）来编码其空间配置，使用几何布局特征进行表示。
• DCD将颜色直方图特征与空间布局信息融合为单一紧凑描述符，实现在不同摄像头间的高效匹配。
• 通过距离度量（如卡方或L2）计算查询图像与图库图像DCD之间的相似度，完成特征匹配。
• 系统使用累积匹配特性（CMC）曲线评估在多个数据集上的重识别性能。

实验结果

研究问题

• RQ1 结合主体颜色区域空间布局的颜色描述符是否能提升人重识别在光照与视角变化下的鲁棒性？
• RQ2 所提出的主体颜色描述符（DCD）在不同摄像头视角与光照条件下区分个体的有效性如何？
• RQ3 将颜色直方图与主体颜色区域的空间配置相结合，是否优于仅使用颜色直方图或仅使用空间配置的方法？
• RQ4 所提出方法在标准人重识别基准数据集上的性能表现如何？

主要发现

• 所提方法在基准数据集上表现出具有竞争力的性能，证明了其对光照与视角变化的鲁棒性。
• 将空间配置与主体颜色直方图结合，显著提升了重识别准确率，优于仅使用颜色直方图的方法。
• CMC曲线结果显示较高的rank-1识别率，表明在复杂条件下具备强大的检索性能。
• 基于DCD的方法能有效捕捉具有区分性的外观特征，同时对轻微的姿态与光照变化保持不变性。