AI-BASED OBJECT RE-IDENTIFICATION APPARATUS AND METHOD THEREFOR
This object re-identification method comprises the steps of: a source detection unit extracting a plurality of representative images for each image source and person object by tracking a plurality of person objects in each of a plurality of consecutive frames of each of a plurality of image sources;...
Gespeichert in:
Hauptverfasser: | , , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre ; kor |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | This object re-identification method comprises the steps of: a source detection unit extracting a plurality of representative images for each image source and person object by tracking a plurality of person objects in each of a plurality of consecutive frames of each of a plurality of image sources; a source feature detection unit deriving a plurality of source feature vectors indicating features of the plurality of representative images through a feature extraction model that is a deep learning model; when a query image that is an image of a person object to be re-identified is input, a target feature detection unit deriving a target feature vector indicating a feature of the query image through the feature extraction model; a re-identification unit calculating a similarity between the target feature vector and the plurality of source feature vectors, and deriving a similarity between the person object to be re-identified and the person objects of the plurality of representative images; and the re-identification unit providing the representative images in descending order from the highest derived similarity.
Ce procédé de ré-identification d'objets comprend les étapes suivantes : une unité de détection de source extrait une pluralité d'images représentatives pour chaque source d'image et chaque objet personne par suivi d'une pluralité d'objets personnes dans chaque photogramme d'une pluralité de photogrammes consécutifs de chaque source d'image d'une pluralité de sources d'image ; une unité de détection de caractéristiques de source dérive une pluralité de vecteurs de caractéristiques de source indiquant des caractéristiques de la pluralité d'images représentatives par l'intermédiaire d'un modèle d'extraction de caractéristiques qui est un modèle d'apprentissage profond ; lorsqu'une image d'interrogation qui est une image d'un objet personne à ré-identifier est appliquée en entrée, une unité de détection de caractéristiques de cible dérive un vecteur de caractéristiques de cible indiquant des caractéristiques de l'image d'interrogation par l'intermédiaire du modèle d'extraction de caractéristiques ; une unité de ré-identification calcule une similarité entre le vecteur de caractéristiques de cible et la pluralité de vecteurs de caractéristiques de source, et dérive une similarité entre l'objet personne à ré-identifier et les objets personnes de la pluralité d'images représentatives ; et l'unité de ré-identification fournit les images représentatives dans |
---|