CorVS：基于仓库中视频轨迹-传感器对应关系的人员识别

工人位置数据是提高工业场所生产效率的关键。摄像头是物流仓库本地化的有力工具，因为它们还能提供包裹状态等有价值的环境上下文。然而，仅凭视觉数据识别个人往往不实用。因此，先前的研究方法通过比较其轨迹和可穿戴传感器测量值来识别视频中的人员。尽管这种方法具有独立于外观的优势，但现有方法在现实条件下可能失效。为克服这一挑战，我们提出 CorVS，一种基于视觉跟踪轨迹与传感器测量值之间对应关系的数据驱动人员识别方法。首先，我们的深度学习模型预测每对轨迹和传感器测量值之间的对应概率和可靠性。其次，我们的算法根据预测的概率和可靠性对轨迹和传感器测量值进行时间匹配。我们开发了一个包含实际仓库操作的数据集，并证明了该方法在现实应用中的有效性。