远距离人员识别与重识别：DIOR: Dataset for Indoor-Outdoor Reidentification -- Long Range 3D/2D Skeleton Gait Col

论文作者：Yuyang Chen,Praveen Raj Masilamani,Bhavin Jawade,Srirangaraj Setlur,Karthik Dantu

作者单位：University at Buffalo, SUNY

论文链接：http://arxiv.org/abs/2309.12429v1

内容简介：

1）方向：远距离人员识别与重识别

2）应用：屋顶摄像头、无人机摄像头、街头监控等场景

3）背景：目前对于长距离下的人体识别，需要使用除了面部之外的整体身体特征，如步态。然而，用于训练和测试这种识别算法的数据集并不普遍存在，而且标记的数据集更少。

4）方法：本次工作提出一个名为 DIOR 的框架，用于数据收集、半自动标注，并提供了一个包含 14 名受试者和 1.649 百万帧 RGB 图像的数据集，附带 3D/2D 骨架步态标签，其中包括来自远距离摄像头的 20 万帧图像。该方法利用先进的三维计算机视觉技术，在室内设置中实现了像素级的准确度，通过运动捕捉系统实现。此外，针对室外远距离场景，摆脱了对运动捕捉系统的依赖，采用了一种低成本的混合式三维计算机视觉和学习流程，仅使用 4 台低成本的 RGB 摄像头，在远距离主体上成功实现了准确的骨架标记，即使在 RGB 图像中，它们的高度也受到了限制，只有 20-25 个像素。

5）结果：总而言之，本次工作提供了一个全面的框架和数据集，可以广泛用于远距离人员识别的研究。作者承诺将其研究成果开源，供其他研究者使用。