Resumen

Los sistemas de videovigilancia se instalan en muchos lugares, como aeropuertos, estaciones de tren y centros comerciales, con fines de seguridad y control. Sin embargo, resulta laborioso buscar y recuperar personas en sistemas de vigilancia multicámara, especialmente con fondos desordenados y variaciones de apariencia entre múltiples cámaras. Para resolver estos problemas, este artículo propone un método de recuperación de personas que extrae los atributos de una imagen enmascarada utilizando un módulo de segmentación de instancias para cada objeto de interés. Utiliza atributos como el color y el tipo de ropa para describir a una persona. El sistema de recuperación de personas propuesto consta de cuatro pasos: (1) uso del modelo YOLACT para realizar la segmentación de personas por píxeles, (2) extracción de atributos basados en la apariencia mediante un clasificador de redes neuronales convolucionales múltiples, (3) empleo de un motor de búsqueda con un enfoque de correspondencia de atributos fundamentales, y (4) aplicación de una técnica de resumen de vídeo para producir una abstracción temporal de los objetos recuperados. Los resultados experimentales muestran que el sistema de recuperación propuesto puede lograr un rendimiento de recuperación eficaz y proporcionar una visión general rápida del contenido recuperado para los sistemas de vigilancia multicámara.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:sistemas de vigilancia multicámara, enfoque fundamental de correspondencia de atributos, clasificador de redes neuronales convolucionales múltiples, sistemas de videovigilancia, extracción de características de atributos, rendimiento eficaz de la recuperación, módulo de segmentación de instancias, método de recuperación de personas, sistema de recuperación de personas, segmentación de personas por píxeles
• Keywords:multicamera surveillance systems, fundamental attribute matching approach, multiple convolutional neural network classifier, video surveillance systems, attribute feature extraction, effective retrieval performance, instance segmentation module, person retrieval method, person retrieval system, pixelwise person segmentation