Алгоритм реидентификации людей по изображениям систем видеонаблюдения с использованием нейросетевого составного дескриптора
Another Title
Person re-identificaion algorithm by image from video surveilance sistem using a neural network compound descriptor
Bibliographic entry
Игнатьева, С. А. Алгоритм реидентификации людей по изображениям систем видеонаблюдения с использованием нейросетевого составного дескриптора = Person re-identificaion algorithm by image from video surveilance sistem using a neural network compound descriptor / С. А. Игнатьева, Р. П. Богуш // Системный анализ и прикладная информатика. – 2024. – № 1. – С. 12-17.
Abstract
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.
Abstract in another language
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.
View/ Open
Collections
- № 1[8]