摘要

高昂的标注成本，以及视频中蕴含的丰富但未标注的数据，促使我们提出一种无监督的基于视频的人体重识别（re-ID）方法。本文基于两个假设：1）在不同地点或时间间隔较长的情况下获取的视频轨迹（tracklet）通常包含不同个体；2）每个轨迹内部的帧大多属于同一人。基于上述假设，本文提出一种分步度量提升（stepwise metric promotion）方法，用于估计训练轨迹的个体身份，该方法在跨摄像头轨迹关联与特征学习之间迭代进行。具体而言，我们将每个训练轨迹作为查询（query），在跨摄像头的训练数据集中进行检索。所提方法基于互近邻（reciprocal nearest neighbor）搜索机制，能够有效剔除初始排序列表中的困难负样本匹配，即初始排名中错误匹配的跨摄像头最近邻。通过互近邻检验的轨迹被视为与查询轨迹具有相同身份。在PRID 2011、ILIDS-VID和MARS等多个数据集上的实验结果表明，所提出的方法在重识别精度上与监督方法相比具有非常强的竞争力。