PCA Hierárquico de Kernel para Re-Identificação de Pessoa

Donwload:

Código-fonte usado no trabalho PCA Hierárquico do Kernel para a Re-Identificação de Pessoa (ICPR 2016). Neste artigo, abordamos o problema de re-identificação de pessoas como um aprendizado de subespaço comum e propomos um novo framework, que denominamos Kernel HPCA, que lida com a transição da câmera e redução de dimensionalidade.

O kernel HPCA é uma extensão não linear do PCA hierárquico (HPCA). O HPCA é conhecido em quimiometria como um modelo multivariado multibloco. No entanto, é um modelo linear, enquanto a Re-ID de pessoa é um problema não linear devido às mudanças de aparência causadas por diferentes condições da câmera. Portanto, propusemos uma extensão não linear direta do método HPCA. Até onde sabemos, nosso trabalho é a primeira extensão não linear do HPCA. Além disso, nossos resultados experimentais demonstram que o Kernel HPCA é comparável com os métodos de aprendizado de subespaços não-lineares de última geração (por exemplo, KCCA), embora exijam menos dimensões.

Resultados

Este código obteve os seguintes resultados nos datasets VIPeR e PRID450S. Usamos um procedimento comum na literatura para obter resultados mais estáveis no VIPeR e PRID450S, que consiste em particionar aleatoriamente o conjunto de dados em subconjuntos de treinamento e teste de tamanhos iguais (essas partições estão disponíveis com o código). No subconjunto de testes, as imagens de uma câmera são consideradas como galeria e as imagens da outra câmera são consideradas como prova. Os resultados são relatados usando curvas de características de correspondência cumulativa (CMC) mostrando a média dos resultados obtidos de 10 tentativas. As seguintes curvas CMC apresentam os resultados para PRID450S (primeira coluna) e VIPER (segunda coluna) usando os métodos HPCA e Kernel HPCA.

ICPR2016 prid450s

ICPR2016 VIPer

Clique aqui para uma lista abrangente com resultados para vários datasets de re-identificação de pessoa.

Referências

Você deve citar o seguinte artigo se usar este software em seu trabalho.

Raphael Felipe Carvalho de Prates; William Robson Schwartz: Kernel Hierarchical PCA for Person Re-Identification. Em: IAPR International Conference on Pattern Recognition (ICPR), 2016. (Tipo: Inproceedings | Resumo | Links | BibTeX)

Donwload: