Reidentificación de objetos (Re-ID)

La reidentificación de objetos (Re-ID) es una sofisticada técnica de visión por ordenador (CV) diseñada para diseñada para reconocer y asociar un objeto o individuo específico a través de vistas de cámara no superpuestas o intervalos de tiempo distintos. distintos. A diferencia de la detección estándar, que se limita a clasificar un objeto, la reidentificación se centra en determinar si un objeto detectado en una ubicación es el mismo que el detectado en otra. objeto detectado en un lugar tiene la misma identidad que otro visto anteriormente en otro lugar. Esta capacidad es esencial para crear una comprensión cohesiva del movimiento y el comportamiento en entornos a gran escala, como aeropuertos, centros comerciales y ciudades inteligentes, donde una sola cámara no puede cubrir toda la zona.

Mecánica de la reidentificación

El principal reto de la Re-ID es hacer coincidir las identidades a pesar de las variaciones en la iluminación, la pose, el punto de vista y la oclusión. Para ello, Para lograrlo, el sistema crea una firma digital única para cada objeto detectado.

• Extracción de características: Cuando se identifica un objeto dentro de un cuadro delimitador, un modelo de aprendizaje profundo (DL) procesa imagen para generar un vector de alta dimensión conocido como incrustación. Este vector encapsula características visuales visuales, como los patrones de color de la ropa de una persona o los detalles específicos de la marca y el modelo de un vehículo.
• Aprendizaje métrico: Para garantizar la precisión, estos modelos utilizan técnicas de aprendizaje métrico. El entrenamiento suele implicar redes neuronales siamesas o el uso de una función de pérdida de triplete, que enseña a la red a minimizar la distancia entre incrustaciones de la misma identidad y maximizar la distancia entre identidades diferentes. identidades.
• Comparación de galerías: durante la inferencia, el sistema compara la incrustación de un objeto recién detectado (la "consulta") con una "galería" de incrustaciones almacenadas de detecciones anteriores. Los algoritmos clasifican estas comparaciones por similitud, a menudo utilizando coseno o la distancia euclidiana para encontrar la mejor coincidencia.

Re-ID vs. Seguimiento de objetos

Aunque a menudo se utilizan juntas, la reidentificación de objetos y el y el seguimiento de objetos tienen fines distintos vídeo.

• Seguimiento de objetos: Este proceso mantiene la identidad de un objeto fotograma a fotograma dentro de un un único flujo de vídeo continuo. Se basa en gran medida en la continuidad temporal y en algoritmos de predicción del movimiento como el filtro de Kalman. Si un objeto sale del Si un objeto abandona el fotograma o queda oculto durante un largo periodo de tiempo, la track suele perderse o se le asigna un nuevo ID a su regreso.
• Re-identificación de objetos: La reidentificación resuelve el problema de las "pistas perdidas" reasociando una identidad a través de vistas discontinuas. Conecta los puntos entre diferentes cámaras en un sistema de seguimiento multiobjeto (MOT), permitiendo la reconstrucción de una trayectoria completa a través de una red distribuida.

Aplicaciones en el mundo real

La tecnología Re-ID es la piedra angular de la analítica moderna y permite obtener información práctica en diversos sectores.

• Comercio inteligente: En entornos minoristas impulsados por IA, Re-ID ayuda a los a los minoristas a trazar el recorrido del cliente por la tienda. Al comprender qué secciones visita un comprador y y reidentificándolas a medida que se mueven entre plantas, las empresas pueden optimizar la distribución de la tienda y la colocación de los productos sin necesidad de recopilar datos biométricos. sin necesidad de recopilar datos biométricos.
• Vigilancia urbana inteligente: Para seguridad urbana, Re-ID permite a los operadores buscar a una persona de interés -como un niño desaparecido o un sospechoso- a través de una red de cámaras de toda la ciudad. de cámaras. Esto reduce significativamente el tiempo necesario para la revisión forense de vídeo, un proceso respaldado por conjuntos de datos de investigación como Market-1501.

Implantación de Re-ID con Ultralytics YOLO

Los marcos modernos de detección de objetos suelen integrar algoritmos de seguimiento que utilizan características de apariencia similares a Re-ID para mantener las identidades durante las oclusiones. El sitio YOLO11 puede emparejarse fácilmente con rastreadores avanzados como BoT-SORT, que incorpora funciones Re-ID para un seguimiento robusto.

El siguiente ejemplo muestra cómo iniciar el seguimiento de una fuente de vídeo utilizando la interfaz Python .

from ultralytics import YOLO

# Load the latest YOLO11 model
model = YOLO("yolo11n.pt")

# Run tracking on a video file using the BoT-SORT tracker
# BoT-SORT utilizes Re-ID features to improve tracking robustness
results = model.track(source="path/to/video.mp4", tracker="botsort.yaml", show=True)

# Access the unique tracking IDs assigned to detected objects
for r in results:
    if r.boxes.id is not None:
        print(f"Track IDs: {r.boxes.id.cpu().numpy()}")

Otras lecturas y recursos

Para profundizar en el conocimiento de las tecnologías subyacentes, explore conceptos como extracción de características y la arquitectura red neuronal (NN). Marcos como PyTorch y TensorFlow proporcionan las herramientas necesarias para modelos Re-ID personalizados. Para los interesados en el campo más amplio de la supervisión inteligente, revisar comprensión de vídeo puede proporcionar contexto adicional sobre cómo las máquinas interpretan los datos visuales temporales.