Реидентификация людей для интеллектуальной видеоаналитикиPerson re-identification for intelligent video analytics

Размеры систем видеонаблюдения постоянно растут, что повышает значимость продуктов интеллектуальной видеоаналитики, позволяющих автоматизировать обработку и анализ данных с этих систем. В настоящее время существующие решения далеки от совершенства и зачастую уступают по своей точности человеку-оператору. Тем самым, современные продукты интеллектуальной видеоаналитики не позволяют заменить или существенно снизить участие людей. Данная диссертационная работа направлена на повышение точности и устойчивости алгоритмов распознавания людей в многокамерных системах видеонаблюдения (задача реидентификации людей). В работе исследована проблема «забывания» знаний нейросетью при дообучении, и для ее устранения, а также решения проблемы нехватки обучающих выборок, предложен подход совместного обучения на «смеси» данных разной сложности. Кроме того, для снижения чувствительности моделей к реальным искажениям внедрена идея предварительной фильтрации заведомо некорректных входных данных. Полученные достижения успешно применены на практике: усовершенствован трекинг в толпе, а также предложены алгоритмы оценки времени в очередях и высокоточного подсчета пассажиров, которые легли в основу зарегистрированного ПО.