Visible-Infrared Person Re-Identification: A Comprehensive Survey and a New Setting

计算机科学 鉴定(生物学) 模式 人工智能 不相交集 深度学习 数据科学 机器学习 数学 社会科学 植物 生物 组合数学 社会学
作者
Huantao Zheng,Xian Zhong,Wenxin Huang,Kui Jiang,Wenxuan Liu,Zheng Wang
出处
期刊:Electronics [MDPI AG]
卷期号:11 (3): 454-454 被引量:8
标识
DOI:10.3390/electronics11030454
摘要

Person re-identification (ReID) plays a crucial role in video surveillance with the aim to search a specific person across disjoint cameras, and it has progressed notably in recent years. However, visible cameras may not be able to record enough information about the pedestrian’s appearance under the condition of low illumination. On the contrary, thermal infrared images can significantly mitigate this issue. To this end, combining visible images with infrared images is a natural trend, and are considerably heterogeneous modalities. Some attempts have recently been contributed to visible-infrared person re-identification (VI-ReID). This paper provides a complete overview of current VI-ReID approaches that employ deep learning algorithms. To align with the practical application scenarios, we first propose a new testing setting and systematically evaluate state-of-the-art methods based on our new setting. Then, we compare ReID with VI-ReID in three aspects, including data composition, challenges, and performance. According to the summary of previous work, we classify the existing methods into two categories. Additionally, we elaborate on frequently used datasets and metrics for performance evaluation. We give insights on the historical development and conclude the limitations of off-the-shelf methods. We finally discuss the future directions of VI-ReID that the community should further address.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
Rating发布了新的文献求助30
1秒前
小马想毕业完成签到,获得积分10
2秒前
2秒前
4秒前
mg完成签到 ,获得积分10
4秒前
共享精神应助迷人的灵萱采纳,获得50
5秒前
樊樊发布了新的文献求助10
5秒前
医痞子发布了新的文献求助10
5秒前
小鱼儿不语雨完成签到,获得积分10
6秒前
7秒前
李健应助可靠盼旋采纳,获得10
8秒前
热情诗云完成签到,获得积分10
9秒前
离谱发布了新的文献求助10
10秒前
10秒前
ding应助dyy采纳,获得10
11秒前
暗黑炫彩猫神完成签到,获得积分10
12秒前
mere发布了新的文献求助10
12秒前
13秒前
暴躁汉堡完成签到,获得积分10
13秒前
隐形曼青应助ChloeF采纳,获得10
14秒前
哼哼哈嘿发布了新的文献求助10
15秒前
stardustwawa发布了新的文献求助100
15秒前
17秒前
王小雨完成签到 ,获得积分10
17秒前
19秒前
20秒前
20秒前
LU完成签到 ,获得积分10
21秒前
21秒前
22秒前
22秒前
研友_Ze2V48完成签到,获得积分10
23秒前
23秒前
FashionBoy应助超级的煎饼采纳,获得30
24秒前
天天快乐应助司空三问采纳,获得10
24秒前
传奇3应助Spencer采纳,获得30
26秒前
honeylaker发布了新的文献求助10
26秒前
pentjy发布了新的文献求助10
27秒前
ChloeF发布了新的文献求助10
27秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3184784
求助须知:如何正确求助?哪些是违规求助? 2835088
关于积分的说明 8003098
捐赠科研通 2497527
什么是DOI,文献DOI怎么找? 1332848
科研通“疑难数据库(出版商)”最低求助积分说明 636738
邀请新用户注册赠送积分活动 604098