来源：Arxiv 2023
机构：清华大学 & 北京理工大学
论文题目：LiDAR-based Person Re-identification

本文是首个基于激光雷达的人ReID的工作，展示了在具有挑战现实世界的户外场景中，利用激光雷达进行的行人 ReID 的实用性！

论文链接：https://arxiv.org/abs/2312.03033

开源代码：https://github.com/GWxuan/ReID3D

摘要：

基于摄像头的重识别（ReID）系统在公共安全领域得到了广泛的应用。然而，摄像机往往缺乏对人类三维形态信息的感知，并且容易受到各种限制，如照明不足、背景复杂和个人隐私，如图：

在本文中，我们提出了一种基于激光雷达的 ReID 框架，ReID3D，该框架利用预训练策略来检索三维体型的特征，并引入了基于图的互补增强编码器来提取综合特征。由于缺乏激光雷达数据集，我们构建了第一个基于 LiDAR 的行人 ReID 数据集 LReID，该数据集在几个自然条件变化的室外场景中收集。

此外，我们还介绍了 LReID-sync，一个模拟的行人数据集，设计用于具有点云完成和形状参数学习任务的预训练编码器。在 LReID 上的大量实验表明，ReID3D 取得了卓越的性能，准确率为 94.0%，突出了激光雷达在处理行人重识别（ReID）任务方面的显著潜力。

数据集：

据我们所知，本文首次介绍了基于激光雷达的人ReID的研究。我们构建了 LReID，第一个基于激光雷达的 ReID数 据集，以促进利用激光雷达点云对行人 ReID 的研究。我们使用多个收集节点在几个室外场景中收集数据集，每个节点包括一个激光雷达和一个工业摄像机。LReID 数据集提供了几个独特的特点：

• 真实场景：该数据集是在室外场景中捕捉到的，行人表现出自然行为，导致行人之间的遮挡，以及存在动态物体，如车辆和自行车，可能会影响人的 ReID；
• 数据多样性：LReID 包含在不同季节、时间和光照条件下收集的 320 名行人的动态数据和注释，总计 15.6 万帧点云和图像，从而能够全面分析不同因素对行人 ReID 的影响；
• 精密度：Livox Mid-100激光雷达的距离精度为 2 cm 和角精度为 0.1°，为 ReID 问题提供了高精度的三维结构信息。

与公开的 3D 数据集对比：

下图显示了从不同的场景中收集到的两个行人的样本：

LReID 收集了两个广泛的户外场景：一个十字路口和一个建筑前的一个广场，捕捉不同的时间周期和天气条件，如图所示：

此外，我们还引入了一个模拟数据集，名为 LReID-sync，包括 360,000 帧的点云，用于由多视图同步激光雷达捕获的 600 个行人。LReID-sync 包括从单个视图到全视图的点云注释以及 SMPL 参数。LReID-sync 是使用 Unity3D 软件生成的一个新的行人数据集，它模拟了多个同步激光雷达从不同视图捕获的场景中的行人，如图所示：

方法模型：

基于点云，行人的识别依赖于他们的静态人体测量特征，包括身高、体型、肢体结构，以及他们的动态步态特征。准确地提取完整的行人形状特征对这两个方面都是有益的。为了解决这个问题，我们提出了一个有效的基于激光雷达的框架，称为 ReID3D。ReID3D 利用一种训练前策略来指导编码器学习基于 LReID-sync 的三维身体特征。此外，为了提取行人的区分静态和动态特征，ReID3D 的 ReID 网络包括一个基于图的互补增强编码器（GCEE）和一个时间模块。对LReID进行的大量实验证明了以下几点：

• ReID3D 的性能优于最先进的相机处理方法，特别是在弱光下，突出了激光雷达在处理个人ReID任务方面的显著潜力；
• 使用 LReID-sync 进行预训练，显著提高了模型的特征编码能力；
• 与常用的点云编码器相比，我们的 GCEE 在提取全面和鉴别特征方面表现出更强的能力。

多任务预训练：

根据我们的观察，可能影响ReID模型性能的关键因素是：1）在交叉视图设置下由不同观点导致的信息变化，以及 2）单视角导致的不完整的信息。此外，真实数据的收集和注释成本较高，而模拟数据的成本较低，且注释丰富、准确。

因此，我们利用模拟数据对编码器进行点云完成和 SMPL 参数学习任务的预训练。我们提出的预训练方法的总体思想如图所示，这使编码器能够有效地提取人体测量特征，并减轻视点差异的影响：

ReID Network：

为了从点云序列中提取时空特征，ReID3D 的 ReID 网络包括一个 GCEE，它由一个GCN主干和CFE组成，以及一个时间模块，如图所示：

实验结果：

比较结果见下表：

可以得到几个结论：

• ReID3D 和 B-ReID3D（不采用预训练）优于基于视频的方法，主要得益于点云的利用，而点云不受光照条件和复杂背景的影响；
• 此外，ReID3D在整体和低光条件下取得了最先进的结果，但在正常光照条件下，它落后于基于视频的方法。这是因为基于视频的方法在正常光线下充分利用了外观信息；
• 基于视频的方法在弱光下表现不佳，而 ReID3D 和 B-ReID3D 在弱光和正常光下都表现出相当的可靠性。

为了证明使用模拟数据集 LReID-sync 的预训练的有效性，我们评估了不同的预训练方法的性能。评估了以下四种方法：1）未经预先训练的ReID3D；2）采用类似的 ReID 任务进行预训练，其中预训练模型和损失与 ReID 网络一致；3）预训练，只使用点云完成的分支；4）进行多任务的预训练。

实验结果见表：

为了展示编码器通过预训练获得的鲁棒特征编码能力，我们将几个具有不同特征的真实行人点云的完成结果可视化，如图所示：

我们可以观察到：

• 从直观上看，其详细而粗糙的形状与实际的人体形状非常相似，这表明编码器已经成功地捕获了人体的完整特征；
• 详细形状是基于粗形状的扩展，具有更高的分辨率和更多的信息；
• 预先训练好的编码器有能力估计点云中缺失部分的特征。

结论：

本文首次利用激光雷达提供的精确三维结构信息对人ReID进行了研究。首先，我们提出了一个基于lidar的ReID框架，名为ReID3D，利用预训练指导基于图的互补增强编码器（GCEE）提取全面的三维内在特征。此外，我们建立了第一个基于激光雷达的人ReID数据集，称为LReID，它包含了320个在不同的室外场景和照明条件下的行人。此外，我们还引入了LReID-sync，一个新的模拟行人数据集，设计用于具有点云完成和形状参数学习任务的预训练编码器。我们提出的ReID3D在LReID上表现出了卓越的性能，突出了激光雷达在处理人员ReID任务方面的巨大潜力。