Re-identificação de objectos (Re-ID)

A reidentificação de objectos (Re-ID) é uma técnica sofisticada de técnica de visão por computador (CV) concebida para reconhecer e associar um objeto ou indivíduo específico em vistas de câmara não sobrepostas ou intervalos de tempo distintos intervalos de tempo distintos. Ao contrário da deteção padrão, que se limita a classificar um objeto, a reidentificação centra-se em determinar se um objeto detectado num local tem a mesma identidade que um objeto visto anteriormente num local diferente. Esta capacidade Esta capacidade é essencial para criar uma compreensão coesa do movimento e do comportamento em ambientes de grande escala, tais como aeroportos, centros comerciais e cidades inteligentes, onde uma única câmara não pode cobrir toda a área.

A mecânica da reidentificação

O principal desafio da Re-ID é fazer corresponder identidades apesar das variações de iluminação, pose, ponto de vista e oclusão. Para Para o conseguir, o sistema cria uma assinatura digital única para cada objeto detectado.

• Extração de caraterísticas: Quando um objeto é identificado dentro de uma caixa delimitadora, um modelo de modelo de aprendizagem profunda (DL) processa a imagem para gerar um vetor de alta dimensão conhecido como incorporação. Este vetor encapsula caraterísticas visuais distintas caraterísticas visuais distintas, tais como os padrões de cor do vestuário de uma pessoa ou os pormenores específicos da marca e do modelo de um veículo.
• Aprendizagem métrica: Para garantir a exatidão, estes modelos utilizam técnicas de aprendizagem métrica. O treino envolve frequentemente redes neurais siamesas ou a utilização de uma função de perda tripla, que ensina a rede a minimizar a distância entre os embeddings da mesma identidade e maximizar a distância entre identidades diferentes. identidades diferentes.
• Correspondência com a galeria: Durante a inferência, o sistema compara a incorporação de um objeto recentemente detectado (a "consulta") em relação a uma "galeria" de incorporações armazenadas de detecções anteriores. Os algoritmos classificam estas comparações por semelhança, utilizando frequentemente utilizando frequentemente a semelhança de cosseno ou a distância euclidiana para encontrar a melhor correspondência.

Re-ID vs. Seguimento de objectos

Embora frequentemente utilizadas em conjunto, a reidentificação de objectos e o rastreio de objectos têm finalidades distintas num vídeo.

• Seguimento de objectos: Este processo mantém a identidade de um objeto, fotograma a fotograma, num num único fluxo de vídeo contínuo. Baseia-se fortemente na continuidade temporal e em algoritmos de previsão de movimento como o filtro de Kalman. Se um objeto sair do Se um objeto sair do fotograma ou for ocultado durante um longo período, a track é normalmente perdida ou é-lhe atribuída uma nova ID quando regressa.
• Re-identificação de objectos: A reidentificação resolve o problema dos "rastos perdidos" ao reassociar uma identidade em vistas descontínuas. Liga os pontos entre diferentes câmaras num sistema de sistema de seguimento de múltiplos objectos (MOT), permitindo a reconstrução de uma trajetória completa através de uma rede distribuída.

Aplicações no Mundo Real

A tecnologia de reidentificação é uma pedra angular da análise moderna, permitindo informações acionáveis em vários sectores.

• Retalho inteligente: Em ambientes de retalho alimentados por IA, o Re-ID ajuda os os varejistas a mapear as jornadas dos clientes em uma loja. Ao entender quais seções um comprador visita e reidentificando-os à medida que se movem entre os andares, as empresas podem otimizar o layout da loja e a colocação de produtos sem necessidade de coletar dados biométricos.
• Vigilância de cidades inteligentes: Para segurança e proteção urbana, Re-ID permite aos operadores procurar uma pessoa de interesse - como uma criança desaparecida ou um suspeito - através de uma rede de câmaras em toda a cidade. rede de câmaras de toda a cidade. Isto reduz significativamente o tempo necessário para a análise forense de vídeo, um processo apoiado por conjuntos de dados de pesquisa como o Market-1501.

Implementação de Re-ID com Ultralytics YOLO

As estruturas modernas de deteção de objectos integram frequentemente algoritmos de rastreio que utilizam caraterísticas de aparência semelhantes ao Re-ID para manter as identidades durante as oclusões. O YOLO11 pode ser facilmente emparelhado com rastreadores avançados como o BoT-SORT, que incorpora caraterísticas Re-ID para um seguimento robusto.

O exemplo seguinte demonstra como iniciar o seguimento de uma fonte de vídeo utilizando a interface 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()}")

Leituras e recursos adicionais

Para aprofundar os seus conhecimentos sobre as tecnologias subjacentes, explore conceitos como extração de caraterísticas e a arquitetura de uma rede neural (NN). Estruturas como PyTorch e TensorFlow fornecem as ferramentas necessárias para construir e treinar modelos Re-ID personalizados. Para os interessados no domínio mais vasto da monitorização inteligente, a análise da compreensão de vídeo pode fornecer um contexto contexto adicional sobre a forma como as máquinas interpretam dados visuais temporais.