Dados do Trabalhos de Conclusão

CENTRO FEDERAL DE EDUCAÇÃO TECN. CELSO SUCKOW DA FONSECA
CIÊNCIA DA COMPUTAÇÃO (31022014009P5)
Reidentificação de pessoas em longo prazo utilizando características multimodais
JEFFERSON COLARES DE PAULA
DISSERTAÇÃO
30/12/2020

A reidentificação de pessoas (ReID) consiste em comparar imagens contendo pessoas, obtidas por múltiplas câmeras com campos de visão não sobrepostos e inferir se as pessoas nessas imagens são as mesmas ou não. Trata-se de um problema mais complexo do que aparenta, pois as imagens comparadas costumam apresentar grandes diferenças na iluminação, no ângulo de captura, nas características óticas das lentes utilizadas, alem de oclusão parcial, auto-oclusão, planos de fundos confusos e outros complicadores. A reidentificação de pessoas em longo prazo, que é o tema desse trabalho, e caracterizada pela ocorrência de um intervalo entre as capturas das imagens. Este intervalo não tem duração específica, mas em geral costuma ser superior a um dia, no qual a pessoa observada pode ter trocado de roupas ou sofrido pequenas mudanças na aparência. As mudanças na aparência ocorridas entre as capturas de imagens representam um desafio adicional, pois as cores e texturas das roupas, que são as características mais comumente utilizadas para reidentificação, não podem ser utilizadas como elementos discriminantes. Este trabalho investiga uma solução para o problema da reidentificação de pessoas em longo prazo por meio da utilização de características da face e da forma de caminhar das pessoas como entradas para um modelo de aprendizado de máquina baseado em redes neurais. A hipótese avaliada é que a combinação destas características permitam que o modelo despreze ou minimize o efeito das trocas de roupas e ao mesmo tempo valorize as características motoras. Os resultados obtidos mostram que a combinação das características melhoram o desempenho da reidentificação em curto prazo e também podem ser utilizadas para o reconhecimento de pessoas em longo-prazo.

Gait energy image;GEI;Reconhecimento facial;Transfer learning;Multitask learning;Redes neurais convolucionais;reidentificação de pessoas;longo prazo
Person re-identification (ReID) consists in comparing images containing people, acquired by multiple cameras with non-overlapping views, and inferring if the people in the images are the same. The problem is more complex than it seems, because the images are prone to great differences in illumination, viewpoint, camera optics, and also partial occlusion, self-occlusion, confusing backgrounds and other challenges. Long-term re-identification, which is the subject of this work, is characterized by the occurrence of an interval between the image captures. This interval has no specific duration, but, in general, it’s greater than 24 hs. In such period, the person being reidentified might have changed clothes or have some minor changes in appearance. This long interval adds complexity to the original ReID challenge because the colors and textures of the clothes, which are the most used features for person reidentification, can’t be used as discriminative elements. This work investigates a solution to the problem of long-term person re-identification by using gait and face characteristics of the person as input features for a machine learning model based on neural networks. The hypothesis to be evaluated is that the combination of gait and face characteristics can have the machine learning model to ignore or minimize the effect of changing clothes and, at the same time, value the motion characteristics. Our results show that the combination of multi modal input characteristics improves the performance of short-term person reidentification and can also be used for long-term person reidentification.
Gait energy image;GEI;facial recognition;Transfer learning;convolutional neural networks;person reidentification;long term
1
75
PORTUGUES
CENTRO FEDERAL DE EDUCAÇÃO TECN. CELSO SUCKOW DA FONSECA
O trabalho possui divulgação autorizada

Contexto

Ciência da Computação
APRENDIZADO DE MÁQUINA E OTIMIZAÇÃO
Métodos Computacionais Avançados

Banca Examinadora

DIEGO BARRETO HADDAD
DOCENTE - PERMANENTE
Sim
Nome Categoria
DIEGO BARRETO HADDAD Docente - PERMANENTE
DOUGLAS DE OLIVEIRA CARDOSO Docente - COLABORADOR
FERNANDA DUARTE VILELA REIS DE OLIVEIRA Participante Externo
EDUARDO BEZERRA DA SILVA Docente - PERMANENTE

Vínculo

CLT
Empresa Privada
Empresas
Sim