Nesne Yeniden Kimliklendirme (Re-ID)

Nesne Yeniden Tanımlama (Re-ID), bir nesneyi birden fazla, çakışmayan kamerada veya uzun süreler boyunca tanımak için kullanılan özel bir bilgisayarla görme (CV) tekniğidir. Tek bir video akışı içinde sürekli izlemenin aksine, Re-ID, bir nesne gözden kaybolduktan sonra yeniden göründüğünde kimliğini eşleştirmeye odaklanır. Örneğin, bir binanın girişindeki bir kamera tarafından görülen bir kişiyi tanımlayabilir ve daha sonra aynı kişiyi koridordaki farklı bir kameranın akışında tanıyabilir. Bu, perspektif, aydınlatma veya pozdaki değişikliklere rağmen tutarlı kalan her nesne için benzersiz, görünüm tabanlı bir imza oluşturarak elde edilir.

Nesne Yeniden Kimliklendirme Nasıl Çalışır?

Re-ID'nin özü, tespit edilen her nesne için açıklayıcı bir özellik temsili veya bir gömme öğrenmektir. Bu süreç genellikle PyTorch veya TensorFlow gibi çerçevelerle oluşturulan ve ayırt edici görsel özellikler çıkarmak üzere eğitilen bir derin öğrenme modelini içerir.

• Özellik Çıkarma: Bir nesne tespit edildiğinde, görüntü yaması ( sınırlayıcı kutusu içindeki içerik) bir sinir ağına beslenir. Bu ağ, bir kişi için giysilerin renkleri ve dokuları veya bir arabanın modeli ve rengi gibi nesnenin benzersiz görünümünü kapsayan kompakt bir özellik vektörü çıkarır.
• Metrik Öğrenme: Bu özelliklerin son derece ayırt edici olmasını sağlamak için modeller genellikle derin metrik öğrenme teknikleri kullanılarak eğitilir. Siyam ağları gibi yöntemler veya üçlü kayıp fonksiyonu ile eğitilen modeller, aynı nesnenin özellik vektörleri arasındaki mesafeyi en aza indirmeyi ve farklı nesnelerin vektörleri arasındaki mesafeyi en üst düzeye çıkarmayı öğrenir.
• Eşleştirme: Bir nesne başka bir kameranın görüntüsünde yeniden belirdiğinde, yeni özellik vektörü hesaplanır ve bilinen vektörlerden oluşan bir galeri ile karşılaştırılır. Yüksek bir benzerlik puanı, başarılı bir yeniden tanımlamayı gösterir. Bu süreç, bir nesnenin dağıtılmış bir kamera ağındaki yolculuğunun bütünsel bir görünümünü oluşturmak için çok önemlidir.

Nesne Takibine Karşı Nesne Yeniden Tanımlama

Her ikisi de nesneleri zaman içinde takip etmek için kullanılsa da, Re-ID ve nesne izleme farklı sorunları çözer.

• Nesne Takibitek ve sürekli bir video akışı içinde nesneleri kare kare takip etme işlemidir. Geçici bir kimlik atar ve bu kimliği korumak için öncelikle harekete ve zamansal sürekliliğe dayanır. Bir nesne çok uzun süre kapalı kalırsa veya çok düzensiz hareket ederse, iz kaybolabilir. Ultralytics modelleri, bu görevde mükemmel olan çeşitli izleme algoritmalarını destekler.
• Nesne Yeniden Tanımlama, farklı kameralar arasında veya izlemenin başarısız olduğu uzun bir zaman aralığından sonra süreksiz görünümlerarasında nesneleri eşleştirme konusunda uzmanlaşmıştır. Düzgün yörünge tahminiyle daha az ilgilenir ve daha çok sağlam görünüm eşleştirmesine odaklanır. Uygulamada, Re-ID genellikle nesne izleme sistemlerini tamamlamak için kullanılır. Örneğin, bir izleme kimliği kaybolduğunda, Re-ID yeniden ortaya çıktığında nesnenin görünümünü eşleştirerek kimliğin yeniden oluşturulmasına yardımcı olabilir.

Gerçek Dünya Uygulamaları

Re-ID teknolojisi, çeşitli endüstriler için akıllı video analiz sistemlerinin geliştirilmesinde çok önemlidir.

• Perakende Analitiği: Büyük alışveriş merkezlerinde Re-ID, bir müşterinin birden fazla mağaza ve kat boyunca izlediği yolu takip edebilir. Perakendeciler, müşterilerin alanda nasıl gezindiklerini, hangi alanları ziyaret ettiklerini ve ne kadar süre kaldıklarını anlayarak mağaza düzenlerini, ürün yerleşimlerini ve genel müşteri deneyimini optimize etmek için değerli bilgiler edinebilirler. Bu, basit ayak izi sayımından çok daha derin bir analiz düzeyi sağlar.
• Akıllı Şehir ve Kamu Güvenliği: Kentsel ortamlarda akıllı gözetim için Re-ID, güvenlik personelinin şehir çapında bir kamera ağında ilgilenilen bir kişiyi veya aracı takip etmesini sağlar. Şüpheli bir kişi bir konumda tespit edilirse, sistem otomatik olarak diğer kameralardan gelen yayınlarda bu kişinin görünümünü arayabilir ve manuel video incelemesi olmadan olay müdahalesini ve adli analizi önemli ölçüde hızlandırır. Bu özellik, geniş ve kalabalık alanlarda kayıp kişilerin bulunması için de değerlidir. Market-1501 gibi veri kümeleri, bu tür uygulamalar için kişi yeniden kimlik araştırmalarının ilerletilmesinde etkili olmuştur.