Un team di ricercatori della JD AI Research e dell'Università di Pechino ha recentemente sviluppato un sistema progressivo di ricerca di veicoli per reti di videosorveglianza, chiamato PVSS. Il loro sistema, presentato in un articolo pre-pubblicato su arXiv, può cercare efficacemente un veicolo specifico apparso nei filmati di sorveglianza.

I sistemi di ricerca dei veicoli potrebbero avere molte applicazioni utili, compresa l'abilitazione di trasporti più intelligenti e sorveglianza automatizzata. Tali sistemi potrebbero, ad esempio, consentire agli utenti di inserire un veicolo di query, zona di ricerca e intervallo di tempo per scoprire dove si trovava il veicolo in diversi momenti della giornata.

I metodi di ricerca dei veicoli esistenti in genere presuppongono che tutte le immagini dei veicoli siano ritagliate correttamente dai video di sorveglianza, utilizzando attributi visivi o numeri di targa per identificare il veicolo di destinazione all'interno di queste immagini. Questi approcci si concentrano principalmente sulla corrispondenza dei veicoli basata sul contenuto, noto anche come reidentificazione del veicolo (Re-Id).

Negli ultimi anni, descrittori fatti a mano e reti neurali convoluzionali (CNN) hanno notevolmente migliorato questi metodi. Ciò nonostante, identificare un veicolo specifico in base esclusivamente agli attributi può essere un compito molto impegnativo a causa dei cambiamenti all'interno delle istanze nelle diverse telecamere e delle differenze tra le istanze tra veicoli simili. In alcuni casi, le targhe possono anche essere erroneamente riconosciute nelle immagini di sorveglianza a causa della bassa risoluzione e del rumore.

"Un sistema completo di ricerca dei veicoli dovrebbe considerare i problemi di rilevamento dei veicoli, rappresentazione, indicizzazione, Conservazione, corrispondenza, e così via, " spiegano i ricercatori nel loro articolo. "Inoltre, la ricerca basata sugli attributi non è in grado di trovare con precisione lo stesso veicolo a causa dei cambiamenti intra-istanza nelle diverse telecamere e dell'ambiente estremamente incerto".

PVSS, il sistema di ricerca progressiva dei veicoli sviluppato dai ricercatori, affronta i limiti degli approcci attuali. Il sistema è composto da tre moduli chiave:il crawler dei dati del veicolo, l'indicizzatore di veicoli basato su caratteristiche multi-grain e il ricercatore di veicoli progressivo.

"Per garantire un'elevata precisione ed efficienza durante la ricerca, una serie di strutture dati sono progettate per il sistema di ricerca del veicolo, " scrivono i ricercatori nel loro articolo. "Nel crawler, dalle reti di sorveglianza vengono estratte non solo i contenuti visivi ma anche le informazioni contestuali. I dati multimodali vengono poi sfruttati da modelli basati sul deep learning per ottenere caratteristiche discriminanti e robuste dei veicoli, che vengono poi organizzati dagli indici multilivello. Nel processo di ricerca, il veicolo viene ricercato in maniera progressiva, compresa la ricerca da grossolana a fine nel dominio delle caratteristiche e la ricerca da vicino a lontano nello spazio fisico."

Essenzialmente, il componente cingolato del veicolo rileva e tiene traccia dei veicoli nei video di sorveglianza, trasferimento delle immagini del veicolo catturate, metadati e altre informazioni contestuali al cloud o al server. Successivamente, il componente dell'indicizzatore del veicolo estrae e indicizza gli attributi multi-grain dei veicoli, come le caratteristiche visive e le impronte digitali della targa.

Una query che include un'immagine del veicolo di input, così come l'intervallo di tempo e l'ambito spaziale di interesse viene quindi inviato al componente di ricerca del veicolo, che ricerca progressivamente il veicolo nel database delle immagini.

I ricercatori hanno valutato il loro sistema di ricerca progressiva dei veicoli sul set di dati VeRi, che contiene oltre 50, 000 immagini raccolte da 20 telecamere di sorveglianza in ambienti reali. In questi test, PVSS ha ottenuto risultati notevoli, superando tutti i metodi di ricerca solo apparenza e i metodi multimodali a cui è stato confrontato.

"Esperimenti estesi su un set di dati di ricerca di veicoli su larga scala raccolti dalla rete di sorveglianza del mondo reale mostrano i risultati all'avanguardia del sistema proposto, " scrivono i ricercatori nel loro paper.

© 2019 Scienza X Rete