Person ReID (сокращение от Re-identification) — это технология, использующая технологию компьютерного зрения для определения того, есть ли на изображении или видео конкретный пешеход. Это подзадача поиска изображений. Концепция ReID была впервые предложена на конференции CVPR в 2006 году. Короче говоря, ReID может заменить распознавание лиц, чтобы найти объект на видео, когда лицо не может быть захвачено камерами.

Общественная безопасность стала общей темой, волнующей все общество, широко популяризировалась и система видеонаблюдения. Технология ReID с круглосуточным непрерывным видеонаблюдением и тысячами камер является мощным инструментом общественной безопасности для раскрытия дел.

В общественном месте дети случайно разлучаются с родителями. Если дети слишком малы, чтобы понимать голосовую трансляцию, в это время можно использовать технологию ReID. Родители предоставляют фотографию ребенка, и они могут найти фотографию ребенка во всех камерах наблюдения в текущей сцене в режиме реального времени. Будет очень полезно найти ребенка немедленно.

4 набора данных с открытым исходным кодом для повторной идентификации личности

● Маркет-1501

Набор данных Market-1501 был собран в кампусе Университета Цинхуа и включает 1501 пешехода, заснятого 6 камерами, и 32668 обнаруженных пешеходных прямоугольников. Каждый пешеход фиксируется как минимум двумя камерами и может иметь несколько изображений на одной камере. Учебная выборка включает 751 человека, содержащую 12 936 изображений, и каждый человек имеет в среднем 17,2 обучающих данных; в тестовом наборе 750 человек, 19 732 изображения, и у каждого человека в среднем 26,3 тестовых данных. Прямоугольники обнаружения пешеходов на изображениях запроса 3368 рисуются вручную, а прямоугольники обнаружения пешеходов в галерее обнаруживаются с помощью детектора DPM.

● DukeMTMC-reID

Набор данных DukeMTMC представляет собой крупномасштабный помеченный многоцелевой набор данных для отслеживания пешеходов с помощью нескольких камер, общедоступный в Университете Дьюка. Он предоставляет новый крупномасштабный набор видеоданных высокой четкости, записанных одновременно 8 камерами, с более чем 7000 траекторий одной камеры и более чем 2700 независимыми людьми. DukeMTMC-reID — это подмножество набора данных DukeMTMC для повторной идентификации пешеходов, предоставляющее ограничивающую рамку, аннотированную вручную.

● CUHK03

CUHK03 — это первый крупномасштабный набор данных для повторной идентификации людей для глубокого обучения с изображениями, собранными в кампусе Китайского университета Гонконга (CUHK). Данные хранятся в формате файла MAT «cuhk-03.mat» и содержат 1467 различных символов, которые были собраны 5 парами камер.

● MSMT17

В CVPR2018 предлагается новый крупномасштабный набор данных MSMT17, который ближе к реальной сцене, а именно Multi-Scene Multi-Time, который охватывает несколько сцен и несколько периодов времени. Набор данных использует сеть из 15 камер, установленных на территории кампуса, в том числе 12 наружных камер и 3 внутренних камеры. Для записи необработанного видео наблюдения были выбраны 4 дня месяца с разными погодными условиями. Каждый день собирается три часа видео, охватывающих три периода времени: утро, полдень и день. Оригинальное видео длится 180 часов.

Технические проблемы

В целом, алгоритм ReID для вышеупомянутых наборов данных с открытым исходным кодом достиг высокой производительности, особенно для распознавания человеческого тела под разными углами. Тем не менее, есть еще много трудностей:

● Перекрытие сцены или усечение

В реальных сценах, таких как торговые центры и улицы, человеческое тело обычно закрывается объектами или другими человеческими телами в сцене, и человеческое тело обрезается краем экрана, когда человеческое тело находится на краю экрана. . Неполные черты человеческого тела затрудняют идентификацию алгоритма.

● Тот же человек переодевается

Когда ReID распознает личность целевого человека, он опирается на характеристики одежды человека. Целевой человек меняет одежду разных цветов и фасонов, а алгоритм значительно снижает производительность.

● Разные люди носят одинаковую одежду.

Если люди с одинаковым ростом и весом носят одинаковую одежду, например, школьники носят единую школьную форму, рабочие носят специфическую рабочую одежду и т. д., то характеристики одежды разных людей очень похожи, и это также будет сильно мешать алгоритму. признание.

● Изменения в движениях человека

Помимо одежды, осанка человека также является важной частью характеристик человеческого тела. Большие изменения в позе человеческого тела (например, приседание, приседание или другие значительные деформации) также влияют на характеристики человеческого тела, что приводит к снижению производительности алгоритма.

Люди Datatang повторно идентифицируют наборы данных

Datatang разработал наборы данных ReID человека и помогает быстро решить вышеуказанные проблемы. Наборы данных ReID включают собранные данные 21 000 субъектов в реальных сценариях и сценариях контролируемого строительства.

● 10 000 человек, повторно идентифицирующих реальные сцены.

Данные включают 10 000 коллекционеров в реальных местах, таких как торговые центры, супермаркеты и сообщества. Каждая сцена имеет в среднем около 15 камер, охватывающих различные высоты наблюдения, углы наблюдения и области наблюдения (например, в одном и том же торговом центре есть разные области наблюдения). реальные сцены.

● 10 000 человек контролировали данные о строительной площадке для повторной идентификации

Чтобы решить проблему идентификации одного и того же человека, переодевающегося в разную одежду, и разных людей, одетых в одну и ту же одежду, данные были собраны в контролируемой сцене, и зал данных самостоятельно построил сцену сбора, чтобы сформировать 360-градусный полный угол. мониторинг, всего 12 камер, по одной камере каждые 30 градусов.

● 1033 человека, отслеживающих данные сцены

Чтобы увеличить разнообразие поз человеческого тела, в этом наборе данных было собрано в общей сложности 1033 человека, и каждый субъект собрал 30 различных поз. В то же время, чтобы увеличить разнообразие ракурсов, каждый субъект собирает данные ReID в режимах «голова вверх» и «сверху вниз».

Набор данных Datatang ReID намного превосходит ресурсы с открытым исходным кодом с точки зрения масштаба собранных людей и количества перекрестных камер и охватывает множество сцен. Кроме того, наборы данных Datatang ReID авторизованы сборщиками, строго соответствуют системе управления конфиденциальностью ISO27701 и системе управления информационной безопасностью ISO27001, и клиенты могут с уверенностью их использовать.

Конец

Если вы хотите узнать больше о наборах данных или о том, как их получить, свяжитесь с нами: info@datatang.com