بازشناسي مقاوم زماني- مكاني انسان در يك سيستم‌ نظارتي بر اساس شبكه GAN

كارشناسي ارشد

نظارت ويدئويي هوشمند از كاربردهاي اصلي در بينايي ماشين مي‌باشد. بازشناسي انسان به‌عنوان بخشي از اين سيستم‌ها از اهميت ويژه‌اي برخوردار است. به‌طوري‌كه صحت عملكرد در اين بخش منجر به كارآمدي انواع الگوريتم‌هاي نظارتي مي‌گردد. بازشناسي افراد درواقع انطباق دو تصوير از يك شخص در حال پياده‌روي از دو منظر متفاوت است. اين مفهوم در سال‌هاي اخير به خاطر كاربردهاي گسترده‌اي كه در تجسس‌هاي ويدئويي دارد، توجه بسياري را به خود جلب كرده و تحقيقات قابل‌توجهي در مورد آن صورت گرفته است؛ اما اين مسئله، همچنان به‌عنوان يك چالش شناخته‌شده و مطالعات بيشتري را مي‌طلبد كه دليل آن تغييرات زياد شدت نور، ژست‌ها، منظرها و پيش‌زمينه تصاوير افراد پياده و غيره مي‌باشد. روش‌هاي جديد بازشناسي بر يادگيري ويژگي‌هاي متمايز تمركز مي‌كنند كه تنها نسبت به يك فاكتور خاص از تغييرات (مانند ژست انساني) كه به سيگنال‌هاي نظارتي مربوطه (مثلاً نقاط كليدي ژست) نياز دارد، مقاوم هستند. همچنين بيشتر اين روش‌ها محدوديت مكاني-زماني را ناديده مي‌گيرند به همين خاطر وقتي پايگاه داده گالري در عمل بسيار بزرگ باشد، اين رويكردها به دليل ابهام ظاهري در نماهاي مختلف دوربين، نمي‌توانند عملكرد خوبي داشته باشند. براي مقابله با اين مشكلات، ما از يك چارچوب شامل دو جريان كه اطلاعات معنايي بصري و اطلاعات مكاني-زماني را استخراج مي‌كند، استفاده مي‌كنيم؛ براي اين منظور در شاخه جريان بصري از قابليت توليد تصوير شبكه‌هاي مولد-متخاصم استفاده مي‌كنيم و شبكه مولد را به نحوي آموزش مي‌دهيم تا ويژگي‌هاي مرتبط با هويت و نامرتبط را با استفاده از برچسب‌هاي شناسايي بدون نياز به هيچ‌گونه اطلاعات كمكي از تصاوير ورودي افراد جدا ‌كند تا روش مطرح‌شده نسبت به تغييرات درون كلاسي در مسئله بازشناسي مقاوم شود. ويژگي‌هاي مرتبط با هويت حاوي اطلاعات مفيدي براي تعيين يك شخص خاص (مانند لباس) هستند، درحالي‌كه ويژگي‌هاي غير مرتبط با هويت، عوامل ديگري (مانند ژست انسان، تغييرات مقياس) را در خود دارند. در شاخه جريان مكاني-زماني نيز براي تقريب توزيع احتمال پيچيده مكاني-زماني، از يك روش هيستوگرام-پارزن سريع بهره جستيم تا با كمك محدوديت مكاني-زماني، مدل پيشنهادي بسياري از تصاوير نامربوط را حذف كند و پايگاه داده گالري را محدود سازد و درنهايت براي ادغام دو نوع اطلاعات ناهمگن در يك چارچوب يكپارچه از يك متريك شباهت مشترك استفاده كرديم. نتايج تجربي اثربخشي اين روش را نشان مي‌دهد كه به‌ دقت مرتبه اول 93.8٪ و mAP، 87.3٪ بر روي مجموعه داده DukeMTMC-reID و دقت مرتبه اول، 98.2٪ و mAP، 91.5٪ روي مجموعه داده Market-1501 دست مي‌يابد كه نسبت به كارهاي مشابه قبلي بهبود 1٪ روي معيار مرتبه اول و 4.8٪ روي معيار mAP دارد.

210557

دانشگاه علم و صنعت ايران

مهندسي برق- گرايش سيستم هاي الكترونيك ديجيتال

جناب دكتر شهريار برادران شكوهي