Байесовская модель объединения признаковых представлений в задаче реидентификации личности

Автор(ы): Русаков К.Д.

Выпуск: 115

Рубрика: Информационные технологии в управлении

Год: 2025

Библиография: Русаков К.Д. Байесовская модель объединения признаковых представлений в задаче реидентификации личности // Управление большими системами. - 2025. - Вып. 115. - С.183-202.

Дата опубликования: 31.05.2025

Ключевые слова: реидентификация личности, объединение признаков, байесовская модель, компьютерное зрение, трансформерные архитектуры, видеонаблюдение

Аннотация: Рассматривается задача реидентификации человека по изображениям, полученным из систем видеонаблюдения, с использованием признаков различной природы. В отличие от традиционных подходов, опирающихся на один биометрический фактор, предложена универсальная методика объединения признаков, полученных из разных источников информации. В основе метода лежит вероятностная модель, реализующая объединение признаков в пространстве решений по правилу байесовского вывода. Каждый признак рассматривается как наблюдение, аппроксимируемое нормальным распределением с параметрами, оцениваемыми по обучающим данным. Принятие решения осуществляется путём максимизации апостериорной вероятности принадлежности объекта к одной из известных личностей. В качестве средств извлечения признаков используются модели на основе архитектур с механизмами внимания, обеспечивающие устойчивость к искажениям. Проведено сравнение с методом линейного объединения признаков. Результаты экспериментов на открытом наборе данных демонстрируют повышение точности идентификации, устойчивость к частичному отсутствию данных и возможность количественной оценки степени достоверности принимаемого решения, что актуально для применения в системах обеспечения безопасности.

Author(s): Rusakov K.

Article title: Bayesian model for feature representation fusion in person re-identification

Issue: 115

Year: 2025

Keywords: person re-identification, feature fusion, Bayesian model, computer vision, transformer architectures, video surveillance

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.