论文阅读笔记（八）【IEEEAccess2019】：High-Resolution and Low-Resolution Video Person Re-Identification: A Benchmark

Introduction

（1）Motivation：

监控视频中的行人，有的比较清晰，有的因为距离较远非常模糊. 在高低分辨率方面的行人重识别缺乏数据集和研究.

（2）Contribution：

① 提供了一个关于高低分辨率问题（person re-identification between low-resolution and high-resolution，PRLHV）的新数据集，即 HLVID.

② 提出了集合间半耦合映射距离矩阵学习方法（semi-coupled mapping based set-to-set distance learning approach，SMDL）.

HLVID DataSet

记录人数：200人，50656张image，平均长度为126帧.

相机：2个，Camera A：1920*1080，Camera B：640*480.

行人帧的规格：高分辨率帧（HR）：44*120 到 173*258，平均 105*203；低分辨率帧（LR）：8*19 到 19*31，平均 11*21. 高分辨率帧的数量约为低分辨率数量的91倍.

Approach

（1）SMDL方法：

① 目标函数（假设相机A拍摄的数据为高分辨率，B拍摄的数据为低分辨率）：

其中 W 表示距离矩阵，V表示高低分辨率对半耦合映射矩阵. 下文具体介绍目标函数中的两项.

② 半耦合映射项：

学习矩阵 V 的作用是将低分辨率行人的特征向着相匹配的高分辨率行人靠近.

其中 S 为匹配的视频对，，n_i 为 X_i 的特征数量.

③ 距离区分度项：（不理解为什么要用 Ø，而不是用相同的 V，但下面的求导过程，两者又是等价的）

其中 D 为不匹配集合，d(.) 为马氏距离.

应用set-to-set distance model（SSD）计算视频间距离：（SSD模型待学习）

其中，a^、b^ 为系数向量，可以通过SSD模型计算得出（参考【From Point to Set: Extend the Learning of Distance Metrics；ICCV2013】）.

SSD模型的参数计算概述：

其中：

④ 目标函数的具体化：

【注：矩阵的迹运算】

原计算为 X^T*W*W^T*X = (W^T*X)^T(W^T*X) ，该结果预期是横向量*列向量，最终为实数，

这里看做 tr(W^T*X*X^T*W) = tr((W^T*X) (W^T*X)^T)，该结果预期是列向量*横向量，为矩阵，但迹运算也能得到相同的实数.

（2）优化模型：

① 确定 V 更新 W：

目标函数转化：

其中：

通过构造拉格朗日函数并求导，可得解：

转为求解特征向量.

② 确定 W 更新 V：

对目标函数进行求导，得：

导数为零，进行改写：

上式为标准西尔维斯特方程.（Sylvester，解法很多，尚未看懂）

③ 算法过程：

（3）识别过程：

通过训练得到的 W、V 计算距离，挑选出距离最近的视频：

.

Experiment

（1）实验设置：

① 特征提取：STFV3D、LOMO、deeply-learning.

步态周期：FEP(Flow Energy Profile)

② 参数设置：β = 0.05；γ = 0.4；η = 0.03. 使用 5-fold cross validation.

③ 对比方法：STFV3D、KISSME、XQDA、TDL、JDML（常规方法）；RNNCNN、ASTPN、PCB（深度学习方法）.

（2）实验结果：