变分辨率行人重识别关键技术研究

Person re-identification improves the efficiency of video investigation. Most of previous approached focus on high-resolution person images with a uniform scale. As the image resolution varies, the effectiveness of person re-identification would drop down significantly. This situation does not fulfill the requirements of real application. Under the condition of variable resolutions, technological bottlenecks lie in the mismatching of low-level feature, the ambiguity of high-level semantics, and the inadaptation of distance metric. To this end, in this project, we propose to do theoretical research respectively on resolution template selecting, hidden-semantics combination mining, and joint measure model learning. First, the optimal resolution template is obtained, images with different resolutions are adjusted to the same scale, and then the effectiveness of feature matching is improved. Second, the optimal hidden-semantics combination is explored, valuable sub-part of the semantics is selected and combined together, and the ability of semantic matching is enhanced. Third, the optimal joint measure model is learned, the metric is adjusted according to the representation of feature and semantics, and the metric adaptation is made. This project proposes and studies a novel problem, i.e., variable resolution person re-identification. Relevant theoretical researches and key technology explorations are carried out. Compared to traditional methods, we improve the accuracy for more than 30%. All of these efforts must be of great significance in practical video investigation.

行人重识别技术可显著提高视频侦查工作效率。然而，现有研究主要针对统一的较高分辨率行人图像，当面临行人图像分辨率多变时，行人重识别效率显著下降，无法满足视频侦查应用的需求。变分辨率条件下，技术瓶颈主要体现在图像底层特征不匹配，图像高层语义不明确，距离度量函数不适应。为此，本项目分别开展尺度模板选取，隐式语义组合挖掘，联合度量模式学习等方面理论研究。首先，选取最佳尺度模板，将高低分辨率调整到选定尺度模板，提升图像底层特征匹配效率；其次，挖掘最佳隐式语义组合，从隐式语义中选择与组合更有价值的部分，提升图像高层语义匹配效率；最后，学习最佳联合度量模式，调整距离度量函数适应特征与语义联合表达，增强距离度量适应性。本课题提出和研究变分辨率行人重识别这一新问题，在此基础上开展相关理论研究和关键技术探索，拟较传统行人重识别方法准确率提升30%以上，对于提升行人重识别技术在视频侦查中的实际效能具有重要意义。

行人重识别技术可显著提高视频侦查工作效率。然而，现有研究主要针对统一的较高分辨率行人图像，当面临行人图像分辨率多变时，行人重识别效率显著下降，无法满足视频侦查应用的需求。变分辨率条件下，技术瓶颈主要体现在图像底层特征不匹配，图像高层语义不明确，距离度量函数不适应。为此，本项目分别开展尺度模板选取，隐式语义组合挖掘，联合度量模式学习等方面理论研究。首先，选取最佳尺度模板，将高低分辨率调整到选定尺度模板，提升图像底层特征匹配效率；其次，挖掘最佳隐式语义组合，从隐式语义中选择与组合更有价值的部分，提升图像高层语义匹配效率；最后，学习最佳联合度量模式，调整距离度量函数适应特征与语义联合表达，增强距离度量适应性。此外，我们还主要研究了基于级联超分生成网络的动态低分辨率行人重识别方法，基于两级差异消除的跨模态行人重识别方法，基于跨方向和跨排序行人重识别的增量优化方法，大幅提升变分辨率下行人重识别效果。我们所提方法在标准数据集上较现有国际最好方法在累积匹配率指标上能够平均提升10%-15%。此外，我们还扩展研究范围，包括不同模态、不同光照，并研究多源数据行人重识别问题，对于提升行人重识别技术在视频侦查中的实际效能具有重要意义。依托本项目，我们课题组累积发表学术论文15篇，其中中科院一区期刊5篇，CCF-A类会议5篇，获CCF-B类会议ICME最佳论文提名，培养博士研究生2人，硕士研究生3人，申请国家发明专利3项。通过与武汉大千公司的联合研发，我们的行人重识别算法已经被成功应用于该公司的视频侦查系统和装备之中，武汉市公安局视频侦查支队、天津市公安局红桥分局、榆林市公安局、深圳市公安局宝安分局等得到成功应用。在多起重大刑事案件，如“11.13洪山大学生被杀案”、“501西乡儿童被拐案”，排查嫌疑人过程中起到了关键性的作用。相关技术还获得第三届中国研究生人工智能创新大赛一等奖。