Qualité d’un recadrage de personne pour la ReID

Une bonne entrée Person ReID n’est pas simplement une jolie photo nette. C’est un recadrage, ou crop, qui contient une seule personne cible, suffisamment d’apparence exploitable, peu de décor parasite et un traitement cohérent avec la galerie. Refuser une image inutilisable est généralement préférable à demander au seuil de similarité d’en réparer les défauts.

Il n’existe ni dimension minimale, ni marge autour du corps, ni valeur de flou universelle garantissant un bon résultat. Ces paramètres dépendent du modèle, des images sources et du domaine. La politique de recadrage doit être testée, documentée et versionnée avec le modèle.

Intégrer le recadrage au système

Le calcul du vecteur d’apparence intervient après la localisation de la personne. Il ignore si le cadre vient d’un détecteur, d’un clic du photographe ou d’un autre outil. Une mauvaise cible peut produire un vecteur techniquement valide, mais associé à la mauvaise personne.

Une politique utile recherche :

• une seule personne principale ;
• les parties du corps réellement visibles dans la source ;
• peu de pixels provenant des voisins ou d’un décor répétitif ;
• une orientation, un décodage couleur et un redimensionnement constants ;
• aucune déformation géométrique ajoutée côté client ;
• des versions traçables du détecteur, du module de recadrage et du prétraitement.

Le guide d’intégration Person ReID sépare détection, vecteur d’apparence, recherche et validation. La page de l’API PolyReID reste la référence pour les formats acceptés et les limites de requête documentées.

Comprendre les principaux défauts

Plusieurs personnes dans le recadrage. Le vecteur peut combiner la tenue de la cible, celle de son partenaire et le fond. Les couples qui se croisent sur une piste rendent cette ambiguïté fréquente. Un cadre de détection ne démontre pas qu’une seule personne contribue à l’image.

Troncature forte. Une tête, des chaussures ou un torse très étroit n’apportent pas le même type d’information qu’un corps largement visible. Les recadrages partiels peuvent avoir un intérêt avec un modèle et un protocole prévus pour eux ; ils ne devraient pas rejoindre silencieusement une chaîne entraînée sur des personnes entières.

Occlusion. Un autre danseur, un bras, du mobilier ou un dossard peut cacher des indices utiles. Des travaux comme Pose-Guided Feature Alignment for Occluded Person Re-Identification étudient justement la sélection des régions visibles. Ils ne prouvent pas que n’importe quel vecteur d’apparence généraliste résiste aux occlusions.

Flou de mouvement ou de mise au point. Les textures et contours disparaissent. Une mesure de netteté peut repérer les cas extrêmes, mais pas résumer la qualité ReID : le parquet peut être très net alors que le sujet bouge.

Trop de décor. Une bannière, une couleur de sol ou un mur associé à une caméra peut devenir un raccourci visuel. Le système risque alors de retrouver un point de vue plutôt qu’une apparence.

Boîte décalée ou collée au bord. Couper le corps ou centrer la mauvaise personne produit un désalignement. L’article Densely Semantically Aligned Person Re-Identification présente détection imparfaite, variation de pose, décor et occlusion comme des problèmes d’alignement.

Construire un pipeline déterministe

Un traitement auditable peut suivre cet ordre :

1. Décoder une seule fois. Appliquer l’orientation voulue et convertir vers une représentation couleur documentée.
2. Choisir la cible. Associer la détection ou la sélection humaine à la personne demandée. « Prendre la plus grande boîte » n’est pas une règle métier suffisante.
3. Ajouter une marge versionnée. Si le modèle bénéficie de contexte autour du détecteur, utiliser une marge testée sur le domaine puis la borner aux dimensions de l’image.
4. Valider le résultat. Contrôler dimensions, échec de décodage, nombre de sujets, contacts avec les bords et corruption manifeste.
5. Préserver la géométrie. Ne pas étirer arbitrairement un recadrage vertical. Laisser le prétraitement documenté du modèle gérer redimensionnement et remplissage, ou le reproduire exactement.
6. Enregistrer la provenance. Conserver identifiant source, coordonnées, révision du module de recadrage et décision qualité, sans accumuler plus de données personnelles que nécessaire.

Évitez aussi les réencodages JPEG successifs. Un recadrage direct depuis la meilleure source autorisée est préférable à une chaîne de miniatures recompressées.

Mettre en place une porte qualité, pas un score magique

Plusieurs signaux peuvent alimenter le contrôle :

• largeur, hauteur et surface du recadrage ;
• part de l’image source occupée par la boîte ;
• contact de la boîte avec une limite de l’image ;
• nombre estimé de personnes et chevauchement des détections ;
• indicateurs de flou ou d’exposition ;
• quantité de remplissage ajoutée ;
• confiance et version du détecteur.

Aucun ne suffit isolément. La confiance du détecteur évalue sa propre tâche, pas la pertinence future des voisins ReID. Utilisez des règles déterministes pour les entrées clairement invalides et un état de revue pour les cas ambigus. Conservez les signaux bruts afin de pouvoir réévaluer la règle.

Une taxonomie simple peut contenir utilisable, revue, mauvaise-cible, plusieurs-personnes, tronqué, occlus et flou. Échantillonnez chaque caméra et chaque salle, pas seulement les requêtes en erreur. Reliez ensuite ces étiquettes aux métriques d’évaluation Person ReID : Rank-k, mAP, faux candidats et temps de revue par segment qualité.

Aligner la politique des requêtes et de la galerie

Une requête propre comparée à une galerie composée de cadres larges contenant plusieurs personnes reste incohérente. Appliquez la même orientation et le même prétraitement des deux côtés, en documentant toute différence intentionnelle.

Ne filtrez pas la galerie avec le score final avant de l’utiliser pour l’évaluation. Le protocole de test doit rester fixe. Lors du choix du seuil de similarité, incluez tous les états qualité susceptibles d’atteindre la production. Sinon, la mesure ne décrit que des entrées idéales.

Pour la recherche vectorielle, stockez les révisions de modèle et de prétraitement avec chaque vecteur, comme indiqué dans le guide français des vecteurs d’apparence. Une nouvelle politique de recadrage doit conduire à une régénération contrôlée plutôt qu’à un mélange invisible.

Exemple sur une photo de danse chargée

Une image large montre deux couples qui se croisent et l’utilisateur vise la compétitrice au premier plan.

1. Conserver la sélection explicite de l’utilisateur ou de la liste des participants, au lieu de choisir automatiquement la plus grosse détection.
2. Mesurer le chevauchement avec le partenaire et les autres cadres.
3. Appliquer à la cible la marge testée, limitée aux bords de l’image.
4. Marquer un chevauchement important comme revue, même si la confiance du détecteur est élevée.
5. Générer le vecteur d’apparence seulement si la politique l’autorise.
6. Présenter les voisins comme des candidats et conserver une confirmation humaine.

Si ce cas se répète, il doit figurer dans la calibration et le test final. Ce n’est plus une exception.

Surveiller la dérive des entrées

Suivez les distributions des signaux qualité par caméra et version du module de recadrage. Un nouveau détecteur, un préréglage d’export, une rotation portrait ou un fournisseur de miniatures peut modifier les entrées sans changer le modèle ReID. Le guide sur le changement de domaine explique comment associer ces signaux à des requêtes sentinelles annotées.

Une baisse de score ne justifie pas immédiatement un seuil plus permissif. Elle peut révéler une orientation cassée ou un nouveau motif à plusieurs personnes. Modifier le seuil masquerait alors le symptôme tout en augmentant les faux rapprochements ailleurs.

Enfin, limitez le recadrage et sa conservation à la finalité annoncée. Supprimer le fond n’améliore pas automatiquement le modèle, mais éviter les personnes et le contexte inutiles réduit les raccourcis visuels et l’exposition de données. La qualité du recadrage relève donc à la fois de l’ingénierie, de l’évaluation et de la gouvernance.