sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2024-1-12-17sapi-654Research ArticleСистемный анализSystem analysisАлгоритм реидентификации людей по изображениям систем видеонаблюдения с использованием нейросетевого составного дескриптораPerson re-identification algorithm by image from video surveilance sistem using a neural network compound descriptorИгнатьеваС. А.IhnatsyevaS. A.

Игнатьева Светлана Александровна, старший преподаватель кафедры вычислительных систем и сетей факультета информационных технологий, магистр технических наук

г. Полоцк

БогушР. П.BohushR. P.

Богуш Рихард Петрович, доктор технических наук, доцент, заведующий кафедрой вычислительных систем и сетей факультета информационных технологий 

г. Полоцк

r.bogush@psu.byПолоцкий государственный университет имени Евфросинии ПолоцкойБеларусьEuphrosyne Polotskaya State University of PolotskBelarus202408052024011217Copyright © Игнатьева С.А., Богуш Р.П., 20242024Игнатьева С.А., Богуш Р.П.Ihnatsyeva S.A., Bohush R.P.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/654

Для повышения точности реидентификации людей в распределенных системах видеонаблюдения важным является использованием алгоритма, обеспечивающего эффективность при перекрытии человека другими людьми или объектами. Поэтому для такой задачи разработан алгоритм, предполагающий формирование составного дескриптора, который включает глобальный вектор признаков изображения человека и три локальных, для его верхней, средней и нижней частей. Выделение областей интереса осуществляется на основе результатов обнаружения ключевых точек изображения  тела  человека. Если часть изображения человека перекрывается другими людьми или объектами, то она относится к невидимой. Изображение скрытой части человека не используется в формировании локального признака. Для его получения вычисляется усредненное значение таких признаков k-ближайших соседей изображения человека. Выполненные эксперименты свидетельствуют о повышении точности повторной идентификации для наборов данных Market-1501, DukeMTMC-ReID, MSMT17 и PolReID1077.

For people re-identification in distributed video surveillance systems, it is important to have an algorithm that ensures efficiency when a person is blocked by other people or objects. Therefore, for this task, an algorithm has been developed that involves the compound descriptor formation, which includes a global features vector of a person’s image and three local ones for its upper, middle and down parts. The regions of interest selection is carried out based on the detecting key points results in the image of the human body. If a person's image part is occluded by other people or objects, then it is classified as invisible. The hidden part person image is not used in the formation of the local feature. To obtain it, the average value of the k-nearest neighbors such features of a person’s image is calculated. The experiments performed indicate an increase in re-identification accuracy for the Market-1501, DukeMTMC-ReID, MSMT17 and PolReID1077 datasets.

машинное обучениесверточные нейронные сетивектор признаковPolReID1077аугментация данныхmachine learningconvolutional neural networksfeature vectorPolReID1077data augmentationReferencesИгнатьева, С.А. Увеличение точности реидентификации людей на основе двухэтапного обучения сверточных нейронных сетей и аугментации / С.А. Игнатьева, Р.П. Богуш // Информатика. – 2023. – Т. 20. – № 1. – С. 40-54.Ihnatsyeva, S.A. Uvelichenie tochnosti reidentifikacii ljudej na osnove dvuhjetapnogo obuchenija svertochnyh nejronnyh setej i augmentacii / S.A. Ihnatsyeva, R.P. Bohush // Informatika. – 2023. – Vol. 20. – № 1. – Pр. 40-54.Zhong, Z. Random Erasing Data Augmentation / Z. Zhong, L. Zheng, G. Kang, S. Li, Y. Yang // AAAI Conference on Artificial Intelligence. – 2017.Zhong, Z. Random Erasing Data Augmentation / Z. Zhong, L. Zheng, G. Kang, S. Li, Y. Yang // AAAI Conference on Artificial Intelligence. – 2017.Wang, G. High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification / G. Wang, S. Yang, H. Liu, Z. Wang, Y. Yang, S. Wang, G. Yu, E. Zhou, J. Sun // 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). – 2020. – P. 6448-6457.Wang, G. High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification / G. Wang, S. Yang, H. Liu, Z. Wang, Y. Yang, S., Wang, G. Yu, E. Zhou, J. Sun // 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). – 2020. – Pр. 6448-6457.Yang, J. Learning to Know Where to See: A Visibility-Aware Approach for Occluded Person Re-identification / J. Yang, J. Zhang, F. Yu, X. Jiang, M. Zhang, X. Sun, Y. Chen, W. Zheng // 2021 IEEE/CVF International Conference on Computer Vision (ICCV). – 2021. – P. 11865-11874.Yang, J. Learning to Know Where to See: A Visibility-Aware Approach for Occluded Person Re-identification / J. Yang, J. Zhang, F. Yu, X. Jiang, M. Zhang, X., Sun, Y. Chen, W. Zheng // 2021 IEEE/CVF International Conference on Computer Vision (ICCV). – 2021. – Pр. 11865-11874.Yang, Q. Focus on the Visible Regions: Semantic-Guided Alignment Model for Occluded Person Re-Identification / Q. Yang, P. Wang, Z. Fang, Q. Lu. // Sensors (Basel, Switzerland), Vol. 20, 2020.Yang, Q. Focus on the Visible Regions: Semantic-Guided Alignment Model for Occluded Person Re-Identification / Q. Yang, P. Wang, Z. Fang, Q. Lu. // Sensors (Basel, Switzerland), Vol. 20, 2020.Sun, Y. Beyond Part Models: Person Retrieval with Refined Part Pooling / Y. Sun, L. Zheng, Y. Yang, Q. Tian, S. Wang // European Conference on Computer Vision, 2017.Sun, Y. Beyond Part Models: Person Retrieval with Refined Part Pooling / Y. Sun, L. Zheng, Y. Yang, Q. Tian, S. Wang // European Conference on Computer Vision, 2017.Fang, H. RMPE: Regional Multi-person Pose Estimation / H. Fang, S. Xie, Y. Tai, C. Lu. // Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2017. – P. 2353-2362.Fang, H. RMPE: Regional Multi-person Pose Estimation / H. Fang, S. Xie, Y. Tai, C. Lu // Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2017. – Pр. 2353-2362.Miao, J. Pose-Guided Feature Alignment for Occluded Person Re-Identification / J. Miao, Y. Wu, P. Liu, Y. Ding, Y. Yang // 2019 IEEE/CVF International Conference on Computer Vision (ICCV). – 2019. – P. 542-551.Miao, J. Pose-Guided Feature Alignment for Occluded Person Re-Identification / J. Miao, Y. Wu, P. Liu, Y. Ding, Y. Yang // 2019 IEEE/CVF International Conference on Computer Vision (ICCV). – 2019. – Pр. 542-551.Kalayeh, M.M. Human Semantic Parsing for Person Re-identification / M.M. Kalayeh, E. Basaran, M. Gokmen, M.E. Kamasak, M. Shah // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. – 2018. – P. 1062-1071.Kalayeh, M.M. Human Semantic Parsing for Person Re-identification / M.M. Kalayeh, E. Basaran, M. Gokmen, M.E. Kamasak, M. Shah // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. – 2018. – Pр. 1062-1071.GitHub [Электронный ресурс]. – Режим доступа: https://github.com/layumi/Person_reID_baseline_pytorch – Дата доступа 04.09.2023.GitHub [Электронный ресурс]. – Режим доступа: https://github.com/layumi/Person_reID_baseline_pytorch – Дата доступа 04.09.2023.

The authors declare that there are no conflicts of interest present.