Аннотация:
Статья посвящена многостороннему анализу повторной идентификации людей в системах видеонаблюдения и современных методов ее решения с использованием глубокого обучения. Рассматриваются общие принципы и применение сверточных нейронных сетей для этой задачи. Предложена классификация систем реидентификации. Приведен анализ существующих наборов данных для обучения глубоких нейронных архитектур, описаны подходы для увеличения количества изображений в базах данных. Рассматриваются подходы к формированию признаков изображений людей. Представлен анализ основных применяемых для реидентификации моделей архитектур сверточных нейронных сетей, их модификаций, а также методов обучения. Анализируется эффективность повторной идентификации на разных наборах данных, приведены результаты исследований по оценке эффективности существующих подходов в различных метриках.