Регистрация проходов людей в видеопотоке

Аннотация

Проблема подавления ложных обнаружений в видео актуальна для крупных систем видеонаблюдения, поскольку она приводит к увеличению нагрузки на оборудование и операторов в ситуационных центрах. Также из-за особенности алгоритмов распознавания лиц ложные обнаружения часто приводят к ложным срабатываниям алгоритмов инеднтификации. Поскольку в большинстве систем подсчет уникальных лиц производится через визуальное сопровождение лиц, то важно не учитывать дважды одного человека при разрыве траектории. В работе предлагается подход, который позволяет регистрировать проходы людей при условии перекрытий в сцене, что важно как для решения статистических задач, так и для систем идентификации лиц, где дубликаты лиц приводят к повышенной нагрузке на операторов системы и оборудование. Предложенный алгоритм незначительно повышает вычислительную нагрузку, поэтому он может применяться на бортовых устройствах с ограниченными вычислительными ресурсами. В ряде случаев, например при использовании нестабильных каналов связи для передачи данных, модификация алгоритма позволяет снизить нагрузку на эти каналы за счет сокращения числа дубликатов лиц.

Сведения об авторе

Nikita Yuryevich Bagrov, Московский государственный университет имени М.В. Ломоносова

аспирант кафедры интеллектуальных информационных технологий, лаборатория компьютерной графики и мультимедиа, факультет вычислительной математики и кибернетики

Литература

[1] Del Pizzo L. et al. Counting people by RGB or depth overhead cameras. Pattern Recognition Letters. 2016; 81:41-50. (In Eng.) DOI: https://doi.org/10.1016/j.patrec.2016.05.033
[2] Zhou D., He Q. Cascaded Multi-Task Learning of Head Segmentation and Density Regression for RGBD Crowd Counting. IEEE Access. 2020; 8:101616-101627. (In Eng.) DOI: https://doi.org/10.1109/ACCESS.2020.2998678
[3] Liciotti D., Cenci A., Frontoni E., Mancini A., Zingaretti P. An Intelligent RGB-D Video System for Bus Passenger Counting. In: Chen W., Hosoda K., Menegatti E., Shimizu M., Wang H. (ed.) Intelligent Autonomous Systems 14. IAS 2016. Advances in Intelligent Systems and Computing. 2017; 531:473-484. Springer, Cham. (In Eng.) DOI: https://doi.org/10.1007/978-3-319-48036-7_34
[4] Liu W. et al. SSD: Single Shot MultiBox Detector. In: Leibe B., Matas J., Sebe N., Welling M. (ed.) Computer Vision – ECCV 2016. ECCV 2016. Lecture Notes in Computer Science. 2016; 9905:21-37. Springer, Cham. (In Eng.) DOI: https://doi.org/10.1007/978-3-319-46448-0_2
[5] Shi J., Tomasi Good features to track. In: 1994 Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Seattle, WA, USA; 1994. p. 593-600. (In Eng.) DOI: https://doi.org/10.1109/CVPR.1994.323794
[6] Li H., Li Y., Porikli F. Robust Online Visual Tracking with a Single Convolutional Neural Network. In: Cremers D., Reid I., Saito H., Yang MH. (ed.) Computer Vision - ACCV 2014. ACCV 2014. Lecture Notes in Computer Science. 2015; 9007:194-209. Springer, Cham. (In Eng.) DOI: https://doi.org/10.1007/978-3-319-16814-2_13
[7] Lin C., Hung Y. A Prior-Less Method for Multi-face Tracking in Unconstrained Videos. In: 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, UT, USA; 2018. p. 538-547. (In Eng.) DOI: https://doi.org/10.1109/CVPR.2018.00063
[8] Munkres J. Algorithms for the Assignment and Transportation Problems. Journal of the Society for Industrial and Applied Mathematics. 1957; 5(1):32-38. (In Eng.) DOI: https://doi.org/10.1137/0105003
[9] Deng J., Guo J., Xue N., Zafeiriou S. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. In: 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach, CA, USA; 2019. p. 4685-4694. (In Eng.) DOI: https://doi.org/10.1109/CVPR.2019.00482
[10] Chen T. et al. MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems. arXiv:1512.01274, 2015. Available at: https://arxiv.org/abs/1512.01274 (accessed 11.08.2020). (In Eng.)
[11] Bagrov N.Y., Konushin A.S., Konushin V.S. A Semi-Automatic Method of Collecting Samples for Learning a Face Identification Algorithm. Programming and Computer Software. 2019; 45(3):133-139. (In Eng.) DOI: https://doi.org/10.1134/S0361768819030022
[12] Guo Y., Zhang L., Hu Y., He X., Gao J. MS-Celeb-1M: A Dataset and Benchmark for Large-Scale Face Recognition. In: Leibe B., Matas J., Sebe N., Welling M. (ed.) Computer Vision – ECCV 2016. ECCV 2016. Lecture Notes in Computer Science. 2016; 9907:87-102. Springer, Cham. (In Eng.) DOI: https://doi.org/10.1007/978-3-319-46487-9_6
[13] Yi D., Lei Z., Liao S., Li S.Z. Learning Face Representation from Scratch. arXiv:1411.7923, 2014. Available at: https://arxiv.org/abs/1411.7923 (accessed 11.08.2020). (In Eng.)
[14] Lisin N., Gromov A., Konushin V., Konushin A. Improving the Neural Network Algorithm for Assessing the Quality of Facial Images. CEUR Workshop Proceedings. 2020; 2744. Article 28. Available at: http://ceur-ws.org/Vol-2744/paper28.pdf (accessed 11.08.2020). (In Eng.)
[15] Nasrollahi K., Moeslund T.B. Face Quality Assessment System in Video Sequences. In: Schouten B., Juul N.C., Drygajlo A., Tistarelli M. (ed.) Biometrics and Identity Management. BioID 2008. Lecture Notes in Computer Science. 2008; 5372:10-18. Springer, Berlin, Heidelberg. (In Eng.) DOI: https://doi.org/10.1007/978-3-540-89991-4_2
[16] Wong Y., Chen S., Mau S., Sanderson C., Lovell B.C. Patch-based probabilistic image quality assessment for face selection and improved video-based face recognition. In: CVPR 2011 WORKSHOPS. Colorado Springs, CO, USA; 2011. p. 74-81. (In Eng.) DOI: https://doi.org/10.1109/CVPRW.2011.5981881
[17] Nikitin M.Yu., Konushin V.S., Konushin A.S. Neural network model for video-based face recognition with frames quality assessment. Computer Optics. 2017; 41(5):732-742. (In Russ., abstract in Eng.) DOI: https://doi.org/10.18287/2412-6179-2017-41-5-732-742
[18] Vignesh S., Priya K. V. S. N. L. M., Channappayya S.S. Face image quality assessment for face selection in surveillance video using convolutional neural networks. In: 2015 IEEE Global Conference on Signal and Information Processing (GlobalSIP). Orlando, FL, USA; 2015. p. 577-581. (In Eng.) DOI: https://doi.org/10.1109/GlobalSIP.2015.7418261
[19] Koide K., Menegatti E., Carraro M., Munaro M., Miura J. People tracking and re-identification by face recognition for RGB-D camera networks. In: 2017 European Conference on Mobile Robots (ECMR). Paris, France; 2017. p. 1-7. (In Eng.) DOI: https://doi.org/10.1109/ECMR.2017.8098689
[20] Wang Y., Shen J., Petridis S., Pantic M. A real-time and unsupervised face re-identification system for human-robot interaction. Pattern Recognition Letters. 2019; 128:559-568. (In Eng.) DOI: https://doi.org/10.1016/j.patrec.2018.04.009
[21] Kalaiselvi P., Nithya S. Face Recognition System under Varying Lighting Conditions. IOSR Journal of Computer Engineering. 2013; 14(3):79-88. (In Eng.) DOI: https://doi.org/10.9790/0661-1437988
[22] Adini Y., Moses Y., Ullman S. Face recognition: the problem of compensating for changes in illumination direction. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997; 19(7):721-732. (In Eng.) DOI: https://doi.org/10.1109/34.598229
[23] Nikitin M.Yu., Konushin V.S., Konushin A.S. Face anti-spoofing with joint spoofing medium detection and eye blinking analysis. Computer Optics. 2019; 43(4):618-626. (In Eng.) DOI: https://doi.org/10.18287/2412-6179-2019-43-4-618-626
[24] Bradski G., Kaehler A. Learning OpenCV. O'Reilly Media, Inc.; 2008. (In Eng.)
[25] Yu Q., Cheng H.H., Cheng W.W., Zhou X. Ch OpenCV for interactive open architecture computer vision. Advances in Engineering Software. 2004; 35(8-9):527-536. (In Eng.) DOI: https://doi.org/10.1016/j.advengsoft.2004.05.003
Опубликована
2020-12-25
Как цитировать
BAGROV, Nikita Yuryevich. Регистрация проходов людей в видеопотоке. Современные информационные технологии и ИТ-образование, [S.l.], v. 16, n. 4, p. 908-916, dec. 2020. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/676>. Дата доступа: 13 nov. 2024 doi: https://doi.org/10.25559/SITITO.16.202004.908-916.
Раздел
Исследования и разработки в области новых ИТ и их приложений