Resumen

Como una aplicación importante en la videovigilancia, la reidentificación de personas permite el seguimiento automático de un peatón a través de diferentes vistas de cámaras disjuntas. Básicamente se enfoca en extraer o aprender representaciones de características seguido por un modelo de emparejamiento utilizando una métrica de distancia. De hecho, la reidentificación de personas es una tarea difícil porque, en primer lugar, no hay una representación de características universal que pueda identificar perfectamente la cantidad de peatones en la galería obtenida por un sistema de cámaras múltiples. Aunque diferentes características pueden fusionarse en una representación compuesta, la fusión aún no explora completamente la diferencia, complementariedad e importancia entre diferentes características. En segundo lugar, un modelo de emparejamiento siempre tiene una cantidad limitada de muestras de entrenamiento para aprender una métrica de distancia para emparejar imágenes de prueba contra una galería, lo que ciertamente resulta en un proceso de aprendizaje inestable y un resultado de emparejamiento deficiente. En este documento, abordamos los problemas de la reidentificación de personas mediante la te

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Vigilancia por video; Reidentificación de personas; Representaciones de características; Modelo de coincidencia; Métrica de distancia; Teoría de conjuntos
• Keywords:Video surveillance; Person reidentification; Feature representations; Matching model; Distance metric; Ensemble theory