Matching People Across Surveillance Cameras

Raphael Felipe de Carvalho Prates, Pós doc e membro do Smart Sense, apresentou um de seus trabalhos sobre reidentificação de pessoas na SIBGRAPI 2019. O objetivo da reidentificação é determinar se uma pessoa que aparece em uma câmera A é a mesma que aparece em uma câmera B em um momento diferente, tendo em vista que as câmeras não têm sobreposição de campo de visão. Trata-se de uma tarefa importante para a realização da vigilância de ambientes com várias câmeras, onde um monitoramento mais amplo dos indivíduos é desejado (não limitado a uma câmera).

As contribuições deste trabalho estão relacionadas à forma como as distâncias entre os indivíduos capturados por essas duas câmeras são computadas. A primeira é o Kernel Multiblock Partial Least Squares, que computa um subespaço comum para todas as câmeras, sendo escalável em relação ao número de câmeras. Os métodos da literatura, em geral, tentam aprender um subespaço para cada par de câmeras, o que cresce de forma quadrática com o número de câmeras e, logo, não é escalável.

A segunda contribuição é o Kernel Cross-view Collaborative Representation-based classification. Esse modelo foi criado para computar as distâncias entre pessoas capturadas em diferentes câmeras utilizando um subconjunto auxiliar de indivíduos os quais possuímos imagens nas duas câmeras. A ideia é que se uma pessoa X é similar a outra pessoa Y em uma câmera, ela continuará sendo similar independente da câmera. Assim, foi proposto uma formulação matemática que resolve o problema considerando essa restrição.

Link do artigo: