Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

TransitReID : collecte de données OD de transit avec réidentification dynamique des passagers résistante à l'occlusion

Created by
  • Haebom

Auteur

Kaicong Huang, Talha Azfar, Jack Reilly, Ruimin Ke

Contour

Cet article présente TransitReID, un nouveau cadre de collecte de données d'origine et de destination (OD) des passagers, essentiel à l'optimisation des services de transport public. Les méthodes existantes, telles que les enquêtes, le suivi Bluetooth/Wi-Fi et les compteurs automatiques de passagers, sont coûteuses, dépendent de l'appareil utilisé ou permettent difficilement d'identifier individuellement les passagers. TransitReID collecte automatiquement les données OD en exploitant les caméras de surveillance embarquées déjà installées dans la plupart des véhicules de transport public. Il introduit trois innovations clés : premièrement, un algorithme ReID robuste à l'occlusion qui intègre un mécanisme d'attention régionale basé sur un auto-encodeur variationnel et un moyennage sélectif des caractéristiques de qualité pour mettre en évidence dynamiquement les parties visibles et distinctives du corps malgré une occlusion importante et des changements de point de vue ; deuxièmement, un mécanisme de stockage hiérarchique et de correspondance dynamique (HSDM) qui transforme la correspondance statique de galeries en un processus dynamique afin d'améliorer la robustesse, la précision et la rapidité dans les opérations de bus réelles ; et troisièmement, une implémentation périphérique multithread qui traite toutes les données localement, permettant une estimation OD en temps quasi réel tout en protégeant la confidentialité. Nous avons également créé un nouvel ensemble de données TransitReID composé de plus de 17 000 images capturées par des caméras de bus avant et arrière dans diverses conditions d'occlusion et de point de vue. Les résultats expérimentaux montrent que TransitReID atteint des performances de pointe (précision R-1 de 88,3 %, mAP de 92,5 %) et maintient une précision d'estimation OD de 90 % dans les simulations d'itinéraires de bus sur les périphériques NVIDIA Jetson.

Takeaways, Limitations

Takeaways:
Présentation d'une nouvelle méthode efficace et respectueuse de la confidentialité pour la collecte de données OD sur les transports publics.
Développement d'un nouvel algorithme ReID et d'un mécanisme HSDM robustes à l'occlusion et aux changements de point de vue.
Présentation de la faisabilité de la mise en œuvre d'un système d'estimation OD en temps réel basé sur l'informatique de pointe.
Permettre la recherche connexe en publiant le nouvel ensemble de données TransitReID
Limitations:
Un examen supplémentaire est nécessaire pour tenir compte de la diversité de l’ensemble de données (par exemple, différentes races, âges, vêtements, etc.).
Des expériences et des validations supplémentaires sont nécessaires pour une application aux systèmes de transport public à grande échelle.
Dégradation possible des performances en cas de congestion extrême ou d'environnements particuliers (par exemple, conditions d'éclairage)
Dépendance à la résolution de la caméra et à la qualité de l'image
👍