南京航空航天大学学报

作者：曹亮，王洪元，戴臣超，陈莉，刘乾

单位：常州大学阿里云大数据学院,常州，213164；,常州大学阿里云大数据学院,常州，213164；,常州大学阿里云大数据学院,常州，213164；,常州大学阿里云大数据学院,常州，213164；,常州大学阿里云大数据学院,常州，213164；

关键词：无监督视频行人重识别;离散度;聚类;特征存储器;多样性约束

基金：国家自然科学基金(61976028, 61572085, 61806026, 61502058)资助项目；江苏省自然科学基金 (BK20180956)资助项目。

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的，该方法需要手工标记大量的数据，代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类，然后结合类内间离散度进行从底向上的分层聚类，类间和类内离散度都小的类别将被优先合并，同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量，最后，利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明，相比于目前先进的无监督视频行人重识别方法，本文方法在性能上有一定的提升。

来源：2020年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2020年第5期