Re-identificação de pessoas em múltiplas câmeras por meio de imagens digitais: estudo de caso

A detecção de pessoas ainda é um problema na visão computacional, bem como o rastreamento e a RE-ID (re-identificação de pessoas), principalmente em ambientes com múltiplas câmeras. Os avanços das redes neurais convolucionais para essas tarefas implicaram ganho de desempenho nos últimos anos, visto que há um aumento na quantidade de dados públicos anotados para treinamento supervisionado, desta maneira permitindo treinamentos mais eficientes. Porém, com as dificuldades presentes nas tarefas de detecção, RE-ID e rastreamento de pessoas, como oclusões, variações da iluminação e a qualidade da imagem capturada, ainda se faz necessário estudos a fim de aumentar a acurácia dessas tarefas. Usando uma plataforma para a análise do fluxo de pessoas, é possível fornecer informações as quais podem otimizar a segurança, vigilância e demais locais com forte presença humana. O estudo apresentado aqui se utilizou de técnicas de processamento digital de imagens e redes neurais convolucionais para realizar a detecção de pessoas e, a partir dessa detecção, efetuar a re-identificação com base na área de interesse detectada.