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
希望天下0贩的0应助ZZP27采纳,获得10
刚刚
学术rookie发布了新的文献求助10
1秒前
木语完成签到 ,获得积分10
2秒前
淡淡听枫发布了新的文献求助10
2秒前
Ava应助jerry采纳,获得10
3秒前
咸蛋超人完成签到,获得积分10
3秒前
wyq发布了新的文献求助10
3秒前
虚幻的云朵完成签到 ,获得积分10
3秒前
3秒前
chen完成签到,获得积分10
4秒前
4秒前
5秒前
5秒前
相由心生完成签到,获得积分10
5秒前
火星上冥茗完成签到,获得积分10
7秒前
yang完成签到,获得积分10
8秒前
情怀应助shirley采纳,获得10
8秒前
小妤丸子完成签到,获得积分10
8秒前
芒果大菠萝完成签到,获得积分10
8秒前
feiCheung发布了新的文献求助10
10秒前
孟祥勤完成签到,获得积分10
10秒前
10秒前
斯文败类应助小章采纳,获得10
11秒前
11秒前
12秒前
12秒前
无风发布了新的文献求助20
12秒前
XPR完成签到 ,获得积分10
13秒前
CipherSage应助学术rookie采纳,获得10
13秒前
14秒前
情怀应助小妤丸子采纳,获得10
14秒前
Jello发布了新的文献求助10
14秒前
14秒前
14秒前
NexusExplorer应助易玉燕采纳,获得10
15秒前
15秒前
木木木木发布了新的文献求助10
16秒前
Hello应助明亮的冰颜采纳,获得10
17秒前
17秒前
17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 3185261
求助须知:如何正确求助?哪些是违规求助? 2835576
关于积分的说明 8005484
捐赠科研通 2498018
什么是DOI,文献DOI怎么找? 1333252
科研通“疑难数据库(出版商)”最低求助积分说明 636803
邀请新用户注册赠送积分活动 604431