Resumen

La reidentificación de peatones ha surgido recientemente como un tema candente que recibe considerable atención, ya que puede aplicarse a muchas aplicaciones potenciales en el sistema de vigilancia. Sin embargo, la reidentificación precisa de peatones es un problema de investigación estimulante debido a las variaciones en puntos de vista, color, luz y otras razones. Este trabajo aborda las interferencias y mejora la precisión de la reidentificación de peatones proponiendo dos algoritmos novedosos, el aprendizaje multietiqueta de peatones e investigando métricas de aprendizaje híbridas. En primer lugar, a diferencia de los modelos existentes, construimos el marco de identificación utilizando dos subredes, a saber, la subred de detección de partes y la subred de extracción de características, para obtener atributos de peatones y puntuaciones de características de nivel bajo, respectivamente. Luego, se propone una métrica de aprendizaje híbrida que combina atributos de peatones y puntuaciones de características de nivel bajo. Se utilizan tanto características de nivel bajo

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Reidentificación de peatones; Sistema de vigilancia; Algoritmos; Aprendizaje multietiqueta; Métrica de aprendizaje híbrida; Marco de identificación
• Keywords:Pedestrian reidentification; Surveillance system; Algorithms; Multilabel learning; Hybrid learning metrics; Identification framework