Co powoduje fałszywe dopasowania obiektów w podobnych domowych kamerach bezpieczeństwa?

Fałszywe dopasowania między kamerami występują, gdy podobne obiekty generują zbliżone wektory reprezentacji wyglądu, a system nie ma wystarczających danych kontekstowych, aby je rozróżnić.

Domowy rejestrator NVR może stwierdzić, że ta sama osoba, zwierzę, pojazd lub paczka przemieściły się z kamery na podjeździe do kamery przy ganku, mimo że drugi widok przedstawia inny, lecz podobny obiekt. Ponowna identyfikacja między kamerami nie jest tym samym co ciągłe śledzenie w obrębie jednej klatki. Porównuje ona fragmenty obrazu zarejestrowane przez różne czujniki, pod różnymi kątami, przy innym oświetleniu, stopniu kompresji i w różnym czasie, a następnie decyduje, czy podobieństwo jest wystarczająco silne, aby reprezentować tę samą tożsamość.

Ponowna identyfikacja porównuje wygląd, a nie gwarantowaną tożsamość

Model ponownej identyfikacji przekształca wycinek obiektu w wektor reprezentacji i porównuje go z wektorami przechowywanymi z innych kamer lub wcześniejszych ścieżek.

NVIDIA wyjaśnia, że śledzenie wielokamerowe wykorzystuje wektory reprezentacji wyglądu z wykrytych wycinków obiektów do przypisywania tożsamości między widokami.

Zbliżone wektory oznaczają, że reprezentacje wizualne są podobne według modelu; nie dowodzą jednak, że chodzi o ten sam fizyczny obiekt. Widoczne dopasowanie jest więc probabilistycznym przypisaniem, a nie identyfikatorem niezależnym od kamery.

Podobne ubrania, pojazdy i obiekty zacierają różnice wizualne

Dwie osoby w ciemnych płaszczach, dwóch kurierów w podobnych uniformach lub dwa identyczne samochody mogą mieć wspólne cechy, którym model nadaje największą wagę.

Wycinki z obrazu z domowych kamer o niskiej rozdzielczości mogą nie zawierać twarzy, logo, tablic rejestracyjnych ani niewielkich różnic kolorystycznych, które pozwoliłyby je rozróżnić. Wektor reprezentacji zaczyna wtedy podkreślać ogólny kształt, kolor i fakturę.

Fałszywe dopasowania skupione wśród wizualnie podobnych klas wskazują na ograniczoną ilość cech rozróżniających. Różnią się one od losowych dopasowań między niepowiązanymi obiektami, które częściej wskazują na problem z progiem, uszkodzeniem danych lub galerią.

Każda kamera tworzy inną domenę wizualną

Wysokość kamery, ogniskowa, przetwarzanie kolorów, tryb nocny na podczerwień, ekspozycja, tło i kompresja zmieniają sposób, w jaki wygląda ten sam obiekt.

Przegląd badań nad ponowną identyfikacją osób wskazuje zmiany domeny kamery i środowiska jako główny problem ponownej identyfikacji między domenami.

Model dostrojony na dziennych nagraniach ze sklepu może słabo odwzorowywać obraz z kamery na podczerwień przy ganku. Jeśli fałszywe dopasowania występują głównie między jedną parą kamer lub wyłącznie nocą, domena kamery jest bardziej prawdopodobną przyczyną niż ogólna słabość modelu.

Featured

ZimaCube 2 Osobisty domowy NAS w chmurze

ZimaCube2

$799.00 - $2,499.00

Buy Now

Niedokładne wycinki łączą obiekt z tłem i przesłonięciami

Detektor może wyciąć połowę osoby, uwzględnić inną osobę, uciąć pojazd albo zachować dużą część podjazdu, ściany lub roślinności.

Piksele tła mogą stać się skrótem rozpoznawczym. Dwie różne osoby stojące w tych samych drzwiach mogą wyglądać podobnie dla modelu wektorów reprezentacji, ponieważ wycinek wielokrotnie zawiera tę samą ramę i oświetlenie.

Dopasowania, które zmieniają się po rozszerzeniu lub zwężeniu obwiedni, wskazują na zanieczyszczenie wycinka. Stabilne fałszywe dopasowania w przypadku czystych wycinków całej sylwetki silniej wskazują na podobieństwo wyglądu lub zmianę domeny.

Zbyt luźne progi podobieństwa wymieniają precyzję na pełność wykrywania

Wysoki próg akceptacji może pominąć ten sam obiekt po znacznej zmianie kąta widzenia, natomiast luźny próg łączy więcej prawidłowych przejść, ale także więcej niepowiązanych obiektów.

Ultralytics udostępnia progi dopasowania i ustawienia ponownej identyfikacji, które wpływają na sposób przypisywania obiektów.

Jeden globalny próg może być nieodpowiedni dla każdej pary kamer i typu obiektu. Przejście z ganku do korytarza może być wizualnie spójne, podczas gdy nocny obraz z podjazdu może wymagać bardziej rygorystycznej akceptacji lub większej ilości danych kontekstowych.

Dopasowanie w otwartym zbiorze może przypisać nieznany obiekt do znanego

Domowa kamera nieustannie rejestruje nowych gości, zwierzęta, pojazdy i paczki, których nie ma w zapisanej galerii.

Badania nad ponowną identyfikacją wielokamerową w otwartym zbiorze traktują wcześniej niewidziane tożsamości jako odrębny problem od wyboru spośród zamkniętej listy znanych osób.

Jeśli system zawsze wybiera tożsamość o najbliższym zapisanym wektorze, każdy nieznany obiekt musi zostać przypisany do kogoś. Opcja odrzucenia lub przedział niepewności jest konieczna, gdy żaden wpis w galerii nie jest wystarczająco przekonujący.

Brak ograniczeń czasowych i lokalizacyjnych umożliwia niemożliwe dopasowania

Samo podobieństwo wyglądu może połączyć dwie ścieżki, które nakładają się w czasie lub wymagałyby niemożliwej prędkości przemieszczania się między kamerami.

Osoba nie może jednocześnie znajdować się w garażu i kuchni, a samochód nie może przejechać między dwoma widokami szybciej, niż pozwala na to trasa. Niesynchronizowane zegary kamer mogą również sprawić, że prawidłowe przejścia będą wyglądać na niemożliwe, a nieprawidłowe — na wiarygodne.

Ta przyczyna jest widoczna, gdy dopasowane ścieżki mają sprzeczne znaczniki czasu lub trasy. Model wizualny może działać zgodnie z założeniami, podczas gdy warstwa przypisywania ignoruje topologię domu i czas przejścia.

Rozmiar galerii i nieaktualne ścieżki zwiększają liczbę konkurujących kandydatów

Każdy zachowany wektor tożsamości jest kolejnym potencjalnie najbliższym sąsiadem. Stare ścieżki mogą zachowywać nietypowe oświetlenie, częściowe wycinki i błędnie sklasyfikowane obiekty.

Deep-person-reid podkreśla znaczenie oceny na wielu zbiorach danych i domenach, co odzwierciedla fakt, że skład galerii zmienia praktyczne działanie ponownej identyfikacji.

Fałszywe dopasowanie, które znika po usunięciu nieaktualnych tożsamości, wskazuje na konkurencję w galerii. Model nie poprawił się nagle — zbiór możliwych decyzji stał się po prostu czystszy.

Cel treningowy modelu może nie odpowiadać obiektowi domowemu

Wiele modeli ponownej identyfikacji jest trenowanych dla osób i oczekuje wycinków całej sylwetki. Zastosowanie tej samej reprezentacji do zwierząt, pojazdów, paczek lub małych, odległych postaci może prowadzić do niewiarygodnych podobieństw.

OpenVINO opisuje model ponownej identyfikacji osób z określonym wejściem w postaci wycinka osoby i wyjściowym wektorem reprezentacji.

Przewodnik ZimaSpace dotyczący lokalnych kamer bezpieczeństwa wykorzystujących AI wyznacza granicę: lokalne przetwarzanie zachowuje kontrolę i prywatność, ale jakość dopasowania nadal zależy od modelu, wycinka, progu i kontekstu zaprojektowanych dla danej klasy obiektu.

FAQ

Czy dopasowywanie obiektów między kamerami jest tym samym co rozpoznawanie twarzy?

Nie. Ponowna identyfikacja zwykle wykorzystuje wygląd całego obiektu i może działać bez widocznej twarzy. Rozpoznawanie twarzy jest innym rodzajem porównania biometrycznego, opartym na innych danych i wiążącym się z innymi zagrożeniami.

Czy dodanie większej liczby kamer zmniejszy liczbę fałszywych dopasowań?

Może dostarczyć dodatkowych przydatnych informacji o przejściach, ale jednocześnie dodaje nowe punkty widzenia, domeny i potencjalne ścieżki. Dokładność poprawi się tylko wtedy, gdy warstwa przypisywania dobrze wykorzysta ten kontekst.

Czy jeden wspólny identyfikator ścieżki dowodzi, że dwa ujęcia z kamer przedstawiają ten sam obiekt?

Nie. Identyfikator zapisuje decyzję systemu dotyczącą przypisania. Należy go interpretować razem z podobieństwem, czasem, trasą, jakością wycinka i danymi o niepewności.