通过摄像头重新识别重新回顾的人选选择

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 监控系统 监控系统

背景情况:

• 个人重新识别 (Re-ID) 对于视觉监视至关重要.
• 传统的Re-ID方法侧重于对相似性,冒着跨多个摄像头的不一致结果的风险.
• 在所有视图中确保一致的检索对于流行病学调查等应用至关重要.

研究的目的:

• 为了应对在所有摄像头视图中始终检索目标人的挑战.
• 引入连续人重新识别的任务和一个指标,整体的Rank-K准确性.
• 开发一种检测有缺陷的摄像机降低连续Re-ID性能的方法.

主要方法:

• 提出了一个连续的人重新识别框架,评估所有摄像头视图的一致性.
• 开发了一个关系深度Q网络,以建模视觉和空间相机关系.
• 收集了一个新的数据集,包含摄像头拓信息,用于评估空间关系.

主要成果:

• 提出的方法有效地检测出有缺陷的摄像头,超过随机摄像头移除.
• 由于有缺陷的摄像头,连续人重新识别的性能明显下降.
• 关系深度Q网络成功地选择了正确部署的摄像头.

结论:

• 连续的人重新识别是一种比传统方法更强大的监控方法.
• 识别和解决有缺陷的摄像头对于可靠的监控网络至关重要.
• 开发的方法为评估和改善摄像机网络质量提供了实用解决方案.