A FarSight rendszer több biometrikus adatot integrál a robusztus, nagy távolságú személyazonosításhoz
A FarSight egy korszerű rendszer személyek azonosítására és nyomon követésére vizuális adatok alapján. A rendszert a Michigan State University, a Purdue University, a Georgia Tech és a University of Texas at Austin kutatói fejlesztették ki. A FarSight tanulmányának elolvasása jó képet ad az AI rendszerek személyek megfigyelésére való használatának jelenlegi állásáról – vagy ahogy a tanulmány fogalmaz, a „kötöttségektől mentes környezetben történő teljes test alapú személyfelismerésről”. Emellett rávilágít arra is, hogy az ilyen nagy teljesítményű rendszerek hogyan épülnek fel több almodulból, amelyek mindegyikét specifikus feladatokra optimalizálták. A rendszer egy integrált end-to-end megoldás, amelyet robusztus személyfelismerésre terveztek multimodális biometrikus jelek használatával, ötvözve az arc, a járás és a testalkat modalitásait a felismerési teljesítmény biztosítása érdekében.
- Többszereplős detektálás és követés: Kettős detektoros keretrendszert használ a BPJDet és a YOLOv8 segítségével a téves pozitív találatok csökkentésére.
- Felismerés-tudatos videó-restauráció: A Gated Recurrent Turbulence Mitigation (GRTM) eljárást alkalmazza a hő vagy a távolság által rontott képek korrigálására.
- Biometrikus jellemzők kódolása: A KP-RPE-t használja a rosszul illeszkedő képekhez, a Big-Gait-et a mozgásfelismeréshez, és a CLIP3DReID-et a test összeillesztéséhez.
- Minőség-vezérelt multimodális fúzió: Súlyozott pontszámokat alkalmaz az arc, a járás és a testalkat bemeneteinek észlelt minősége alapján.
- Teljesítmény: Első helyezést ért el a NIST RTE Face in Video Evaluation versenyen, megelőzve a kereskedelmi rendszereket.
Miért fontos?
A FarSight-hoz hasonló rendszerek azért érdekesek, mert több modern AI rendszert integrálnak egyetlen szuper-rendszerbe, rávilágítva arra, milyen erősek lehetnek a mai AI megoldások, ha befektetnek az elemek összekapcsolásához szükséges infrastruktúrába. ---