Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

TransitReID: Recopilación de datos de tránsito OD con reidentificación dinámica de pasajeros resistente a la oclusión

Created by
  • Haebom

Autor

Kaicong Huang, Talha Azfar, Jack Reilly, Ruimin Ke

Describir

Este artículo presenta TransitReID, un novedoso marco para la recopilación de datos de origen-destino (OD) de pasajeros, esencial para optimizar los servicios de transporte público. Los métodos existentes, como las encuestas, el seguimiento por Bluetooth/Wi-Fi y los contadores automáticos de pasajeros, son costosos, dependen del dispositivo o dificultan la correspondencia individual entre pasajeros. TransitReID recopila automáticamente datos de OD aprovechando las cámaras de vigilancia integradas en la mayoría de los vehículos de transporte público. Introduce tres innovaciones clave: en primer lugar, un algoritmo ReID robusto a la oclusión que integra un mecanismo de atención regional basado en un autocodificador variacional y un promedio selectivo de características de calidad para enfatizar dinámicamente las partes visibles y distintivas del cuerpo a pesar de la oclusión severa y los cambios de perspectiva; en segundo lugar, un mecanismo de Almacenamiento Jerárquico y Coincidencia Dinámica (HSDM) que transforma la coincidencia estática de galerías en un proceso dinámico para mejorar la robustez, la precisión y la velocidad en las operaciones de autobús en el mundo real; y en tercer lugar, una implementación de borde multihilo que procesa todos los datos localmente, lo que permite la estimación de OD casi en tiempo real, protegiendo al mismo tiempo la privacidad. También creamos un nuevo conjunto de datos TransitReID con más de 17 000 imágenes capturadas por cámaras delanteras y traseras de autobuses en diversas condiciones de oclusión y punto de vista. Los resultados experimentales demuestran que TransitReID alcanza un rendimiento de vanguardia (88,3 % de precisión R-1, 92,5 % mAP) y mantiene una precisión del 90 % en la estimación de OD en simulaciones de rutas de autobuses en dispositivos NVIDIA Jetson edge.

Takeaways, Limitations

Takeaways:
Presentamos un método nuevo, eficiente y que preserva la privacidad para recopilar datos de OD del transporte público.
Desarrollo de un nuevo algoritmo ReID y mecanismo HSDM que sean robustos a la oclusión y a los cambios de punto de vista.
Presentar la viabilidad de implementar un sistema de estimación de OD en tiempo real basado en computación de borde.
Permitiendo la investigación relacionada mediante la publicación del nuevo conjunto de datos TransitReID
Limitations:
Se necesita una revisión adicional para abordar la diversidad del conjunto de datos (por ejemplo, diferentes razas, edades, vestimenta, etc.).
Se necesitan experimentos y validaciones adicionales para su aplicación a sistemas de transporte público reales a gran escala.
Posible degradación del rendimiento en congestión extrema o entornos especiales (por ejemplo, condiciones de iluminación)
Dependencia de la resolución de la cámara y de la calidad de la imagen
👍