.png)
.png)
Послать статью по эл. почте 
Алгоритм реидентификации людей по изображениям систем видеонаблюдения с использованием нейросетевого составного дескриптора
https://doi.org/10.21122/2309-4923-2024-1-12-17
Аннотация
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.
Об авторах
С. А. ИгнатьеваБеларусь
Игнатьева Светлана Александровна, старший преподаватель кафедры вычислительных систем и сетей факультета информационных технологий, магистр технических наук
г. Полоцк
Р. П. Богуш
Беларусь
Богуш Рихард Петрович, доктор технических наук, доцент, заведующий кафедрой вычислительных систем и сетей факультета информационных технологий
г. Полоцк
Список литературы
1. Игнатьева, 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.
2. Zhong, Z. Random Erasing Data Augmentation / Z. Zhong, L. Zheng, G. Kang, S. Li, Y. Yang // AAAI Conference on Artificial Intelligence. – 2017.
3. 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.
4. 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.
5. 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.
6. 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.
7. 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.
8. 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.
9. 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.
10. GitHub [Электронный ресурс]. – Режим доступа: https://github.com/layumi/Person_reID_baseline_pytorch – Дата доступа 04.09.2023.
Дополнительные файлы
Для цитирования: Игнатьева С.А., Богуш Р.П. Алгоритм реидентификации людей по изображениям систем видеонаблюдения с использованием нейросетевого составного дескриптора. «Системный анализ и прикладная информатика». 2024;(1):12-17. https://doi.org/10.21122/2309-4923-2024-1-12-17
For citation: Ihnatsyeva S.A., Bohush R.P. Person re-identification algorithm by image from video surveilance sistem using a neural network compound descriptor. «System analysis and applied information science». 2024;(1):12-17. (In Russ.) https://doi.org/10.21122/2309-4923-2024-1-12-17
Обратные ссылки
- Обратные ссылки не определены.
