Object Re-identification (Re-ID)

La réidentification d'objets (Re-ID) est une tâche de vision par ordinateur qui reconnaît un même objet lorsqu'il réapparaît dans une autre caméra, plus tard ou après avoir été masqué. Alors que la détection d'objets indique qu'une image contient une personne, la Re-ID détermine s'il s'agit de celle qui est passée devant la caméra de l'entrée dix minutes plus tôt. Pour cela, elle compare l'apparence, notamment les couleurs des vêtements, la silhouette, les sacs portés ou la couleur et les détails du toit d'un véhicule ; c'est donc l'outil principal pour relier des observations dans des réseaux de caméras dont les champs de vision ne se chevauchent pas. La Re-ID des personnes et la Re-ID des véhicules sont les formes les plus étudiées.

Fonctionnement de la réidentification#

Un système de Re-ID transforme chaque objet détecté en un descripteur d'apparence compact et compare ces descripteurs :

1. Détecter et recadrer : un détecteur trouve chaque personne ou véhicule, puis l'image à l'intérieur de sa boîte englobante est recadrée et redimensionnée.
2. Encoder sous forme d'embedding : un réseau de neurones convolutif ou un Transformer de vision transforme le recadrage en un vecteur de quelques centaines à quelques milliers de nombres qui résume l'apparence de l'objet.
3. Comparer par similarité cosinus : le score de l'embedding de la requête est calculé par rapport à une galerie d'embeddings stockés, puis la galerie est classée du plus au moins similaire ; certains systèmes utilisent plutôt la distance euclidienne.

Un seuil appliqué au meilleur score permet ensuite de déterminer si la requête correspond à une identité connue ou à une nouvelle identité :

Les encodeurs sont entraînés par apprentissage métrique afin que les embeddings d'une même identité se regroupent et que ceux d'identités différentes s'éloignent. Une méthode courante combine une fonction de perte de classification d'identité et une fonction de perte par triplets, qui rapproche une image d'ancrage d'une autre image de la même identité et l'éloigne d'une image d'une autre identité, en s'appuyant sur l'extraction de négatifs difficiles pour se concentrer sur les individus qui se ressemblent. La difficulté principale réside dans l'invariance : une même personne doit obtenir des embeddings proches quels que soient le point de vue, l'éclairage, la résolution ou l'occultation partielle.

Re-ID, suivi et reconnaissance faciale#

La Re-ID est souvent confondue avec deux tâches voisines :

• Suivi d'objets : suit les objets dans une vidéo en prédisant leurs mouvements, généralement à l'aide d'un filtre de Kalman, et en faisant correspondre les boîtes selon leur chevauchement d'une trame à l'autre. Il repose sur une continuité temporelle, qui est interrompue lorsqu'un objet est longtemps occulté ou sort du champ ; la Re-ID rétablit l'identité précisément dans ces situations.
• Reconnaissance faciale : identifie une personne à partir de traits du visage qui restent stables pendant des années et nécessite un visage visible. La Re-ID des personnes fonctionne aussi de dos et à faible résolution ; comme elle repose largement sur les vêtements, elle n'est généralement valable que pendant quelques heures ou une journée.

La Re-ID au sein des systèmes de suivi multi-objets#

Depuis DeepSORT en 2017, de nombreux systèmes de suivi multi-objets (MOT) combinent les embeddings de Re-ID avec des indices de mouvement : ainsi, deux personnes qui se croisent conservent chacune leur propre ID, et une personne qui disparaît derrière un pilier retrouve son ancien ID. Dans le mode de suivi d'Ultralytics YOLO, les trackers BoT-SORT, Deep OC-SORT et TrackTrack acceptent with_reid: True et peuvent charger des encodeurs Re-ID YOLO26, de yolo26n-reid.onnx à yolo26x-reid.onnx, qui sont téléchargés lors de leur première utilisation :

from ultralytics import YOLO
from ultralytics.utils import YAML
from ultralytics.utils.checks import check_yaml

# Copy the default TrackTrack settings and enable Re-ID with a YOLO26 appearance encoder
cfg = YAML.load(check_yaml("tracktrack.yaml"))
cfg.update(with_reid=True, model="yolo26n-reid.onnx")
YAML.save("tracktrack_reid.yaml", cfg)

# Track people (class 0); appearance embeddings help restore IDs after occlusions
model = YOLO("yolo26n.pt")
source = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
identities = set()
for result in model.track(source, tracker="tracktrack_reid.yaml", classes=[0], stream=True):
    if result.boxes.is_track:
        identities.update(result.boxes.id.int().tolist())

print(f"Person identities assigned: {len(identities)}")

Chaque ID que le système de suivi récupère après une occultation rapproche le compte affiché du nombre réel de personnes dans la vidéo.

Applications concrètes#

• Analyse du commerce de détail : relier les observations d'un client entre les caméras des allées permet d'établir des parcours anonymes dans tout le magasin, les durées de présence et les entonnoirs de conversion.
• Gestion du trafic : la Re-ID des véhicules relie les observations d'une même voiture à différentes intersections pour mesurer les temps de trajet et les flux origine-destination, même lorsque les plaques d'immatriculation sont illisibles.
• Sports : la Re-ID des joueurs maintient des identités cohérentes lorsque les joueurs quittent le cadre de la retransmission ou se regroupent dans une mêlée.
• Recherche sur la faune : la Re-ID animale identifie des zèbres, des baleines ou de grands félins individuels à partir des motifs de leur pelage et des marques de leurs nageoires, dans des images de pièges photographiques et de drones.

Jeux de référence et métriques#

La Re-ID est évaluée comme un problème de recherche d'information. L'exactitude au rang 1 correspond à la proportion de requêtes dont l'image de galerie la mieux classée montre la bonne identité, et la précision moyenne (mAP) mesure le classement de toutes les correspondances correctes dans l'ensemble de la galerie. Market-1501, le jeu de référence classique pour la Re-ID des personnes, contient 32 668 boîtes englobantes de 1 501 personnes filmées par six caméras sur un campus universitaire.