视频人员重识别（Video-based Person Re-identification with Long Short-Term Representation Learning）

论文作者：Xuehu Liu,Pingping Zhang,Huchuan Lu

作者单位：Dalian University of Technology;Ningbo Institute

论文链接：https://arxiv.org/pdf/2308.03703v1.pdf

内容简介：

1）方向：视频人员重识别（V-ReID）

2）应用：视频人员重识别

3）背景：V-ReID旨在从非重叠摄像头捕获的原始视频中检索特定的人物。由于人物和场景的变化，高性能仍然面临许多障碍。

4）方法：本文提出了一种名为Long Short-Term Representation Learning （LSTRL）的新型深度学习框架，用于有效的V-ReID。为了提取长期表示，提出了Multi-granularity Appearance Extractor（MAE），可以在多个帧中有效地捕获四个粒度的外观。同时，为了提取短期表示，提出了Bi-direction Motion Estimator（BME），可以从连续的帧中高效地提取互补的运动信息。MAE和BME可以轻松插入现有网络进行高效的特征学习，从而显著提高V-ReID的特征表示能力。

5）结果：在三个广泛使用的基准测试中进行了大量实验证明，所提出的方法可以比大多数最先进的方法提供更好的性能。