Bayesian model for feature representation fusion in person re-identification

Cover Page

Cite item

Full Text

Abstract

This paper addresses the problem of person re-identification in surveillance systems based on the analysis and integration of heterogeneous descriptive features. Unlike traditional approaches relying on a single biometric modality, a general-purpose probabilistic method is proposed to combine features derived from various sources. The method is based on Bayesian inference and models each feature as a random variable following a multivariate normal distribution. Parameters of the distributions are estimated from the training data. Decision making is performed by maximizing the posterior probability of identity given the available evidence. To extract features, transformer-based architectures with attention mechanisms are used, ensuring robustness to visual noise and viewpoint variation. The proposed model is compared with classical approaches based on linear combination of feature vectors. Experiments conducted on an open re-identification dataset demonstrate that the Bayesian scheme improves recognition accuracy and remains effective in cases of partial information loss. Moreover, the method provides a quantitative confidence score associated with each decision, making it particularly suitable for deployment in safety-critical environments such as automated video surveillance and access control systems.

About the authors

Konstantin Dmitrievich Rusakov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: rusakov@ipu.ru
Moscow

References

  1. АМИРГАЛИЕВА З., САДЫКОВА А., КЕНШИМОВ К. Раз-работка модифицированного алгоритма Виолы – Джонсадля распознавания лиц // Известия НАН РК. Серия физико-математическая. – 2022. – №4. – С. 258–267.
  2. ИГНАТЬЕВА С.А., БОГУШ Р.П. Алгоритм реидентифи-кации людей по изображениям систем видеонаблюденияс использованием нейросетевого составного дескриптора //Системный анализ и прикладная информатика. – 2024. –№1 – C. 54–65.
  3. КОСУЛИН К.Э., КАРПОВ А.А. Методы аудиовизуальногораспознавания людей в масках // Научно-технический вест-ник информационных технологий, механики и оптики. –2022. – Т. 22, № 3. – С. 415–432.
  4. МУБИНОВА Э.С. Эволюция технологий распознавания лици их влияние на общественное воприятие безопасности //Вестник науки. – 2024. – №9(78). – C. 168–171.
  5. САВЧЕНКО А.В. Метод максимально правдоподобных рас-согласований в задаче распознавания изображений на ос-нове глубоких нейронных сетей // Компьютерная оптика. –2017. – №41(5). – С. 819–828.
  6. СОКОЛОВА А.Д., САВЧЕНКО А.В., НИКОЛЕНКО С.И.Поиск редких данных в задаче распознавания лиц на изоб-ражениях // Компьютерная оптика. – 2022. – №46(2). –C. 318–327.
  7. ТЕЛЕНЬКОВ А. Система распознавания силуэтов при-меняется МВД в пяти регионах РФ // ТАСС (ЦИПР). –24.06.2021.
  8. ХАЧУМОВ М.В., НГУЕН Т.З. Распознавание лиц по фото-графиям на основе инвариантных моментов // Современ-ные проблемы науки и образования. – 2015. – №2 – C. 10.
  9. САВЧУК В.П. Байесовские методы статистического оце-нивания: надежность технических объектов. – М.: Наука,Гл. ред. физ.-мат. лит., 1989.
  10. DENG J., GUO J., XUE N. et al. ArcFace: Additive AngularMargin Loss for Deep Face Recognition // Proc. CVPR. –2019. – P. 4690–4699.
  11. HERMANS A., BEYER L., LEIBE B. In Defense of the TripletLoss for Person Re-Identification // arXiv preprint. – 2017. –arXiv:1703.07737.
  12. IRFAN B., GARCIA ORTIZ M., LYUBOVA N. et al. Multi-modal Open World User Identification // ACM Trans. Human-Robot Interaction. – 2022. – Vol. 11(1). – P. 1–50.
  13. KOO J.H., CHO S.W., BAEK N.R. et al. CNN-basedmultimodal human recognition in surveillance environments //Sensors. – 2018. – Vol. 18(9). – P. 3040.
  14. LIAO Z., DI D., HAO J. et al. MMM-GCN: Multi-Level Multi-Modal Graph Convolution Network for Video-Based PersonIdentification // LNCS. – 2023. – Vol. 13834. – P. 3–15.
  15. LI W., ZHAO R., XIAO T. et al. DeepReID: Deep FilterPairing Neural Network for Person Re-identification // Proc.CVPR. – 2014. – P. 152–159.
  16. LI W., ZHU X., GONG S. Harmonious Attention Network forPerson Re-Identification // Proc. CVPR. –2018.–P.2285–2294.
  17. SCHROFF F., KALENICHENKO D., PHILBIN J. FaceNet:A unified embedding for face recognition and clustering // Proc.CVPR. – 2015. – P. 815–823.
  18. SHOUKRY N., ABD EL GHANY M.A., SALEM M.A.-M. Multi-Modal Long-Term Person Re-Identification UsingPhysical Soft Bio-Metrics and Body Figure // AppliedSciences. – 2022. – Vol. 12(6). – P. 2835.
  19. VEZZANI R., BALTIERI D., CUCCHIARA R. People re-identification in surveillance and forensics: A survey // ACMComputing Surveys. – 2013. – Vol. 46(2). – P. 1–37.
  20. ZHANG M., LIU R., ABE N. Face Helps Person Re-Identification: Multi-modality Person Re-ID Based on Vision-Language Models // Proc. IJCB. – 2024.
  21. CHEN S., LIU Y., GAO X. et al. MobileFaceNets: EfficientCNNs for Accurate Real-Time Face Verification on MobileDevices // arXiv preprint. – 2018. – arXiv:1804.07573.
  22. DOSOVITSKIY A. et al. An image is worth 16х16 words:Transformers for image recognition at scale // arXiv preprint. –2020. – arXiv:2010.11929.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».