PT
A presente dissertação propôs um algoritmo de reidentificação de pessoas baseado em trajetórias, inserido numa ferramenta para detetar e seguir clientes presentes numa grande superfície comercial, num ambiente constituído por múltiplas câmaras. Os dados da trajetória dos clientes foram obtidos a partir de imagens de videovigilância, captadas por várias câmaras, sendo os clientes localizados e seguidos ao longo dos frames que compunham os vídeos. Devido às características de um ambiente multicâmara e à ocorrência de oclusões causadas por objetos (e.g., prateleiras, balcões), são atribuídos vários identificadores a cada pessoa, quando na verdade deveria ser identificada com um identificador único. Desta forma, a ferramenta desenvolvida procurou resolver este problema, no âmbito de um cenário onde existem limitações na utilização de imagens de pessoas, devido a questões relacionadas com a privacidade de dados. O melhor método testado demonstrou ter uma fiabilidade aceitável (82%) ainda que, devido à falta de informação nas trajetórias extraídas, a qualidade da trajetória após o processo de reidentificação pudesse ser melhorada. Assim, este método deverá ser usado em duas situações: para informar e ser combinado com métodos baseados em imagem, reduzindo o peso do processamento de imagem quando as reidentificações podem ser obtidas com um elevado grau de confiança, e em situações onde as restrições impostas pela privacidade de dados impedem o processamento direto das imagens.
EN
This study presented a trajectory-based person re-identification algorithm, embedded in a tool to detect and track customers present in a large retail store, in a multi-camera environment. The customer trajectory data was obtained from video surveillance images captured by multiple cameras, and customers detected and tracked along the frames that compose the videos. Due to the characteristics of a multi-camera environment and the occurrence of occlusions, caused by objects (e.g., shelves, counters), different identifiers tend to be assigned to each person when in fact they must be identified with a unique identifier. Thus, our proposed tool aimed at solving this problem, in a scenario where there are constraints in using images of people, due to data privacy concerns. The best tested method proved to be realiable (82%) although, due to the lack of information in the extracted trajectories, the quality of the trajectory after the re-identification process could be improved. Thus, this method should be used in two situations: to inform and be combined with image-based methods, reducing the load of image processing when re-identifications can be obtained with a high confidence score, and in situations where the restrictions imposed by data privacy prevent direct image processing.
