Повторная идентификация объекта (Re-ID)

Повторная идентификация объектов (Re-ID) - это сложная техника компьютерного зрения (CV), разработанная для распознавания и сопоставления конкретного объекта или человека в непересекающихся ракурсах или разных временных интервалах. интервалах времени. В отличие от стандартного обнаружения, которое просто классифицирует объект, Re-ID фокусируется на определении того, является ли объект, обнаруженный в одном месте, тем же самым. объект, обнаруженный в одном месте, идентичен тому, который был замечен ранее в другом месте. Эта возможность необходима для создания целостного представления о движении и поведении в крупномасштабных средах, таких как аэропорты, торговые центры и "умные" города, где одна камера не может охватить всю территорию.

Механика повторной идентификации

Основная задача Re-ID - сопоставление идентичности, несмотря на изменения освещения, позы, точки зрения и окклюзии. Чтобы Для этого система создает уникальную цифровую подпись для каждого обнаруженного объекта.

• Извлечение признаков: Когда объект идентифицируется в пределах ограничительного поля, модель Модель глубокого обучения (DL) обрабатывает изображение для создания высокоразмерного вектора, известного как вкрапление. Этот вектор включает в себя различные визуальные характеристики, такие как цвет одежды человека или конкретная марка и модель автомобиля.
• Метрическое обучение: Для обеспечения точности в этих моделях используются метрические методы обучения. Обучение часто включает в себя сиамские нейронные сети или использование триплетной функции потерь, которая учит сеть минимизировать расстояние между вкраплениями одной и той же идентичности и максимизировать расстояние между разными идентичностями.
• Сопоставление с галереей: во время вывода система сравнивает вкрапления вновь обнаруженного объекта ("запрос") с "галереей" хранящихся в памяти вкраплений из предыдущих обнаружений. Алгоритмы ранжируют эти сравнения по сходству, часто используя косинусоидальное сходство или евклидово расстояние для поиска наилучшего соответствия.

Повторная идентификация по сравнению с отслеживанием объектов

Хотя их часто используют вместе, повторная идентификация объекта и отслеживание объектов служат разным целям в анализа видео.

• Отслеживание объектов: Этот процесс поддерживает идентификацию объекта покадрово в пределах одного непрерывного видеопотока. Он в значительной степени опирается на алгоритмы временной непрерывности и предсказания движения. таких как фильтр Калмана. Если объект покидает кадр Если объект покидает кадр или надолго скрывается из виду, track обычно теряется или ему присваивается новый идентификатор после возвращения.
• Повторная идентификация объекта: Повторная идентификация решает проблему "потерянных следов" путем повторной привязки идентифицировать объект в разных точках обзора. Она соединяет точки между различными камерами в системы слежения за несколькими объектами (MOT), позволяя восстановить полную траекторию движения по распределенной сети.

Применение в реальном мире

Технология Re-ID является краеугольным камнем современной аналитики, позволяющей получать действенные сведения в различных отраслях.

• Интеллектуальная розничная торговля: В В розничной торговле с использованием искусственного интеллекта система Re-ID помогает ритейлерам составить карту маршрутов покупателей по магазину. Понимая, какие отделы посещает покупатель, и повторно идентифицировать их при перемещении между этажами, компании могут оптимизировать планировку магазина и размещение товаров без необходимости сбора биометрических данных. без необходимости сбора биометрических данных.
• Наблюдение за "умным городом": Для безопасности в городах, Re-ID позволяет операторам вести поиск интересующего их лица - например, пропавшего ребенка или подозреваемого - по всей городской сети камер. Это значительно сокращает время, необходимое для судебной экспертизы видеозаписей, что подтверждается исследовательских наборов данных, таких как Market-1501.

Внедрение Re-ID с помощью Ultralytics YOLO

Современные системы обнаружения объектов часто включают в себя алгоритмы отслеживания, которые используют особенности внешнего вида, подобные Re-ID для сохранения идентичности во время окклюзий. Сайт YOLO11 может быть легко сопряжена с продвинутыми трекерами такими как BoT-SORT, который включает в себя функции Re-ID для надежного отслеживания.

В следующем примере показано, как инициировать отслеживание источника видеосигнала с помощью интерфейса 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()}")

Дополнительное чтение и ресурсы

Чтобы углубить свое понимание базовых технологий, изучите такие понятия, как извлечение признаков и архитектура нейронной сети (НС). Такие фреймворки, как PyTorch и TensorFlow предоставляют инструменты, необходимые для построения и обучения пользовательских моделей Re-ID. Для тех, кто интересуется более широкой областью интеллектуального мониторинга, просмотр понимание видео может дать дополнительный контекст того, как машины интерпретируют временные визуальные данные.