Упорядочивание данных в системах видеонаблюдения на основе технологий глубокого обучения

Гл. 128. С. 946–952.

Соколова А. Д., Савченко А. В.

Рассматривается задача организации информации в системах видеонаблюдения с помощью автоматического выделения групп треков, так, что каждая группа содержит изображения лица только одного человека. Исследованы методы агрегации векторов признаков каждого кадра, извлекаемых с помощью глубокой сверточной нейронной сети. Треки, содержащие одинаковые лица, группируются с использованием методов верификации лиц и алгоритмов последовательной кластеризации. В экспериментальном исследовании с набором данных YouTubeFaces рассматриваются несколько способов объединения отдельных кадров для получения дескриптора видеодорожки. Показано, что наиболее высокую точность показывает сравнение нормализованных признаков, полученных с помощью усреднения векторов признаков всех кадров каждого трека.

Ключевые слова: кластеризация, clustering, видеоанализ, Image and Video Analysis and Understanding, Convolutional Neural Network, сверточные нейронные сети, face verification, верификация лиц

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Разработка и апробация эффективных методов классификации для больших баз мультимедийных данных (2017)

В книге

Сборник трудов IV Международной конференции и молодёжной школы "Информационные технологии и нанотехнологии" (ИТНТ 2018)

Самара: Предприятие "Новая техника", 2018.