Tiefe Merkmalslernen mit relativer Distanzvergleich für die Person-Wiedererkennung

Die Identifizierung derselben Person in verschiedenen Szenen ist eine wichtige, jedoch schwierige Aufgabe im Bereich der intelligenten Videoüberwachung. Das Hauptproblem besteht darin, die Ähnlichkeit derselben Person trotz großer Variationen im Erscheinungsbild und in der Struktur zu bewahren, während gleichzeitig unterschiedliche Individuen voneinander abgegrenzt werden. In dieser Arbeit präsentieren wir ein skalierbares, auf Distanz basiertes Merkmalslernframework, das auf tiefen neuronalen Netzen für die Personen-Wiedererkennung (Person Re-Identification) aufbaut, und zeigen seine Effektivität bei der Bewältigung bestehender Herausforderungen. Speziell erzeugen wir anhand von Trainingsbildern mit Klassenbezeichnungen (Personenkennungen) eine große Anzahl von Tripletten-Einheiten, wobei jede Einheit drei Bilder enthält: eine Person mit einem passenden Referenzbild und einem nicht passenden Referenzbild. Diese Einheiten dienen als Eingabe für unser konvolutorisches neuronales Netzwerk, das schichtweise Darstellungen generiert, gefolgt von einer $L2$-Distanzmetrik. Durch Parameteroptimierung strebt unser Framework danach, die relative Distanz zwischen dem passenden Paar und dem nicht passenden Paar in jeder Tripletten-Einheit zu maximieren. Zudem stellt sich das Problem, dass die Organisation der Tripletten die Anzahl der Trainings-Tripletten kubisch erhöht, da ein Bild in mehrere Tripletten-Einheiten eingebunden sein kann. Um dieses Problem zu überwinden, haben wir ein effektives Verfahren zur Erzeugung von Tripletten entwickelt sowie einen optimierten Gradientenabstiegsalgorithmus (Gradient Descent Algorithm), sodass die Berechnungsbelastung hauptsächlich von der Anzahl der ursprünglichen Bilder abhängt und nicht von der Anzahl der Tripletten. Auf mehreren anspruchsvollen Datenbanken erzielt unser Ansatz sehr vielversprechende Ergebnisse und übertrifft andere Stand-of-the-Art-Ansätze.