Person Re-identification
Multi-camera tracking
Multi-camera tracking with explicit “re-identification”
独立的re-id(image-based)
video-based re-id（对单个人采样多个帧）
deep-learning re-id
end to end image-based re-id: 结合detection，做尽可能少的中间人工处理
在视频数据中找到人物（稀疏）
关联大量不同摄像头捕捉到的人物
自动匹配和追踪人物
Detect -> Track -> Retrieval
通常认为的Re-id只是指Retrieval这个过程
Re-id当做identification任务时，目标类似聚类或分类
Re-id当做recognization任务时,目标类似Ranking
video-based
image-based
个体的动作行为
长期的活动模式
http://www.liangzheng.org/Datasets.html
数据越来越多
边界倾向于由行人检测器（DPM，ACF）生成，但这种检测器可能会错标，导致re-id准确率下降
摄像头越多需要越大的泛化能力
训练性能逐年提升
深度学习方法取得优势
大规模数据集上还有提升空间(mAP准确率极低，性能有很大提升空间)，泛化能力弱
数据
摄像头采集到的图像数据的视角，环境，时间等都不同
摄像头中出现的不同的人会相互干扰
一个人会出现在不同的摄像头中
摄像距离不确定，人数不确定
训练数据与真实环境不一致，搜索空间大小不确定
object detection圈出人物的精度不能完全满足re-id的需求
人工识别代价高，不准确，经验不可迁移，需要自动re-id
人脸识别和图像细节不可靠，太模糊
一般基于视觉特征，如衣着，持有物，但这些特征辨识度很低，且很容易受光线视角影响，而且在衣着变化大的场合直接失效
特征表达很受摄像头影响
特征类内差异大于类间差异：同一个人在不同地方的样子的差异大于不同人的差异
类间差异有时候小于类内差异
样本少，因此往往不当多分类问题来做，而当做二分类问题做，给定一个人，判断是不是同一个人
需要数据标记，因此需要少的训练数据的算法往往更受青睐
不同摄像头间泛化能力弱
性能
长时间的re-id，人物可能换衣服，拿不同的东西，短时的特征会变得不可靠
multi-shot：计算代价更高，问题更多
pooling-based：聚合多帧特征为一个vector，可扩展性更高
建立索引
stable region的stable可以加上时间的概念
在时间上做聚类
条件随机场（CRF）联合时空限制
在最后一层注入时间信息
喂入RNN记忆帧的时间流
Rank-1 accuracy：匹配百分比，
CMC curve：匹配的出现在rank的前x的百分比
mAP: 不仅衡量是否匹配，还衡量匹配的图是否完整（即可能有多个匹配的图）
寻找受环境影响少的feature representation
ML优化Re-id模型
输入轨迹或包含行人的矩形（可能由视频监控系统生成）
提取图像特征，而不仅是像素点
构建一个可视化的feature representation，比如feature的柱状图
比较特征的相似度来匹配人物
匹配策略可能影响特征和超参数
提取颜色，纹理，空间结构，容易可靠测量，不同人不同摄像头间这些特征都有一些区分度
通常结合多种视觉特征，做成特征直方图，给不同特征加权重，但特征越多越可能出现图像匹配出错
更进一步，会提取这样一些特征：
WH: weighted color histogram（RGB, YUV, HSV）
MSCR：maximally stable color regions
RHSP: recurrent high-structured patches
re-id首先要行人检测，但行人检测的准确度不太能满足re-id的需求，如果没把行人圈出来，re-id的特征提取很容易受背景影响，所以很多工作会先尝试把行人抠出来
检测不同肢体部位来判断姿态，利用对称特点；
将行人图像分解成多个身体部位，比较不同部位之间的相似度
捕捉人物身体3D特征，减小对衣着的依赖
拥挤场所精确行人检测很困难，捕捉行人之间的关系，re-id一群人
从视觉特征中提取语义用于re-id，比如发型，衣服风格: mid-level feature represention
在相关的摄像头之间做迁移，亮度迁移，姿态迁移，背景迁移等
距离测量:找到一个量度差异的量，使得类中距离小，类外距离大：最近邻，信息理论，逻辑精度，概率相关，RankSVMMatch：最近邻算法，Mahalanobis距离函数(距离中加上权重)，KISSME（权重基础上引入概率）， ITML（引入信息理论，牺牲部分一致性使得距离度量与原始距离更接近），SVM，boosting, adaboost.
减少数据标记需求：半监督稀疏标记，迁移学习
把re-id当做推断问题来做，填充稀疏数据；条件随机场；
上下文：合并同一轨迹上的多个帧，集合分析， 考虑外部上下文比如人群，学习摄像机网络的拓扑， 减少匹配搜索空间减少出错率。
图像搜索：索引与哈希
当前数据集的局限
实际搜索空间巨大，会产生许多误判，需要结合环境中其他知识来筛选，或者摄像头拓扑推断人物出现在某一帧的可能性：同一个人在不同摄像头出现的时间表达了摄像头之间的距离，寻找人群活动模式的时空关系，
人群re-id基于服饰属性的特征描述
工程上应用re-id成果的比较少，关注：相关性，容量，可用性。使用GPU，结合轨迹
多模态：结合红外信号，或者其他人的能量信号：运动时，能量的转移和消耗因人而异；利用声音信号
Deep learning
缺乏训练数据：大多数re-id数据集中，一个人只有两张图，因此大多数研究采用多张图的组合
将一张图分成若干个部分，传给CNN
LSTM记忆身体组件的空间连接关系
在不同层都做compare（性能不好）
比较前先resize
identification比recognization更能充分利用标签
性能评估
大数据在特征上建立索引
re-ranking匹配结果
真实环境数据集上的准确率提高