Ré-identification du personne par descripteur LOMO et GOG

Abstract

La ré-identification des personnes (Re-ID) est une tâche importante dans le domaine de la sécurité intelligente. Il s’agit du problème d’identification des personnes sur des images capturées par différentes caméras de surveillance sans chevauchement des champs de vision. Dans un environnement réel, Re-ID est une tâche difficile en raison des variations des conditions d'éclairage, des angles de vision, de la pose et des occlusions. Deux problèmes fondamentaux sont essentiels pour la ré-identification des personnes, la représentation des caractéristiques et l'apprentissage métrique. Une représentation efficace des caractéristiques doit être robuste à l'éclairage et aux changements de point de vue, et une métrique discriminante doit être apprise pour correspondre à diverses images de personnes. Dans ce travail, Nous utiliserons une représentation efficace des caractéristiques appelée Occurrence Maximale Locale (LOMO) et le Descripteur Gaussien Hiérarchique (GOG), ainsi qu'une méthode d'apprentissage de sous-espace et d'apprentissage métrique appelée Analyse Discriminante Quadratique à Vues Croisées (XQDA) avec la distance de Mahalanobis pour améliorer les résultats de classification. Les résultats expérimentaux obtenus (LOMO+XQDA=40,06%) et (GOG+XQDA=34,81%) sont efficaces pour les deux méthodes pour améliorer la capacité de ré-identification des personnes à l'aide de la base de données VIPeR. إعادة تحديد هوية الأفراد (Re-ID) هي مهمة مهمة في مجال الأمن الذكي. إنها تتعلق بمشكلة التعرف على الأشخاص في الصور الملتقطة بواسطة كاميرات مراقبة مختلفة دون تداخل في مجالات الرؤية. في بيئة حقيقية، تعتبر إعادة تحديد الهوية مهمة صعبة بسبب التغيرات في ظروف الإضاءة، وزوايا الرؤية، ووضعية الجسم، والانسدادات. هناك مشكلتان أساسيتان ضروريتان لإعادة تحديد هوية الأشخاص: تمثيل الخصائص والتعلم المتركي. يجب أن يكون التمثيل الفعال للخصائص قويًا ضد التغيرات في الإضاءة وزوايا الرؤية، ويجب أن يتم تعلم مقياس تمييزي لمطابقة صور الأشخاص المختلفة. في هذا العمل، سنستخدم تمثيلًا فعالًا للخصائص يُسمى الحد الأقصى المحلي للوقوع (LOMO) والوصف البياني الهرمي (GOG)، بالإضافة إلى أسلوب ...