论文阅读《Locality Aware Appearance Metric for Multi-Target Multi-Camera Tracking》

论文链接：  https://arxiv.org/pdf/1911.12037.pdf

作者讲解：https://zhuanlan.zhihu.com/p/96999382

---

文章指出跟踪（tracking）问题和重识别（re-ID）问题存在一个本质区别：局部匹配vs全局匹配。跟踪系统只需匹配局部邻域（同一相机相邻帧/相邻相机）内的样本；而重识别系统需要全局（全部相机的所有数据）搜索、匹配。该区别导致在跟踪这一局部匹配问题上，直接应用全局学习到的重识别特征，并不能得到最好的结果[1]。面对这个区别/失配，文章提出了一套可学的，关注局部邻域内目标外观的度量（Locality Aware Appearance Metric） 

 跟踪系统中的匹配一般被限制在局部邻域内；而应用于相似度估计的重识别特征，则是从全局学到的。相似度估计的结果直接决定数据匹配的性能。在这个关键部分，出现了局部vs全局的失配，则会对系统整体性能有很大影响。如下图所示，全局度量（global metric）一般利用模型的全部性能照顾各类外观变化。在局部邻域内，样本直接的区分一般较小（同相机连续帧/相邻相机之间，可能出现的外观变化有限；远远小于全部相机间的各种组合），全局模型由于能力有限，却不能有效区分相似样本（见下图A）。

这篇文章提出了一种局部邻域内目标外观的度量。这种度量不需要照顾全局匹配中的各种外观变化；相反，它只需要照顾局部匹配中可能出现的几种外观变化，对于相似样本也更加有效。

特别的，对于单相机跟踪/多相机跟踪，文章分别提出了相机内（intra-camera）/相机间度量(inter-camera metric)。类似于跟踪系统为了限制匹配范围使用的时间滑动窗（temporal sliding window），文章也利用了相似的样本选择窗（data sampling window）训练相机内/相机间度量。

• 相机内度量：通过样本选择窗，选择同相机相邻帧内的正负样本对。