بازشناسایی بار: مطالعه‌ای درباره استراتژی‌هایی به سوی کاربرد واقعی

چکیده

شناسایی مجدد (ReID) یکی از وظایفی حیاتی در نظارت ویدیویی برای جرائم، امنیت و مدیریت مرزی (تشخیص افراد مشکوک یا رها شده) و همچنین مدیریت افراد (بازیابی افراد گم شده) است. این وظیفه امکان هم‌پیوستگی صحنه‌های یکسان یک نفر در میان دوربین‌های مختلف در محیط‌های پیچیده نظیر فرودگاه‌ها، ایستگاه‌های راه‌آهن و عبور مرز را فراهم می‌کند. در حالی که روش‌های موجود عموماً بر روی تطبیق تصاویر برش‌خورده بر پایهٔ ظاهر در شرایط نسبتاً پاک متمرکزند متمرکز هستند، محیط‌های واقعی با پوشش‌های مکرر، پس‌زمینه پراکنده و حضور افراد شلوغ که عملکرد را به‌طور چشمگیری کاهش می‌دهند، روبرو می‌شوند. با این حال، استراتژی‌هایی که از هم‌پیوستگی چندین شات و دیدگاه‌های متنوع جریان‌های ویدیویی بهره می‌برند، نادیده گرفته شده‌اند. در این مقاله، pipeline‌های انتها‌به‌انتهایی که از چند جریان ویدیویی برای تشخیص و شناسایی مجدد افراد استفاده می‌کنند، بررسی می‌کنیم. ما این روش‌ها را بر روی یک دیتاست مرجع با‌دست‌دست در محیط‌های واقعی ارزیابی می‌کنیم تا به مسائل انتخاب و ادغام دیدگاه‌ها و شات‌های مختلف افراد یکسانی و آموزش بر روی مجموعه‌های داده محیط‌های مختلف برای بهبود عملکرد کلی ReID در برنامه‌های عملی بپردازیم.