人臉識別技術是搭建平安城市的重要一環。通過人臉識別技術以及深度學習算法，城市監控可以將視頻監控數據結構化存儲，并分析挖掘關鍵信息，實現事前預防。然而在實際應用的場景中，攝像頭并非在任何情況下都可以拍攝到清晰人臉。因口罩、帽子等遮擋，民警和識別系統都無法用人臉特征判定身份。

不僅如此，在實際場景中，一個攝像頭往往無法覆蓋所有區域，而多個攝像頭之間一般也沒有重疊。因此，用全身信息來對人員進行鎖定和查找就變得十分必要——即通過將整體行人特征作為人臉之外的重要補充，實現對行人的跨攝像頭跟蹤。當下，計算機視覺領域開始逐漸展開針對“行人重識別”技術的研究工作。

行人重識別（Person Re-Identification，簡稱ReID），從字面意思理解就是對行人進行重新識別，是對不同的、沒有視野重疊覆蓋的（non-over lapping）攝像機拍攝的行人圖像建立對應關系的處理過程。當攝像頭拍攝范圍之間不存在重疊時，由于沒有了連續信息，檢索難度也隨之增大非常多。因此，行人重識別強調的是在跨攝像機的視頻中對特定行人進行檢索。

“行人重識別”與“行人檢測”的區別

如果說行人檢測是要機器判定圖像中是否存在行人，那么行人重識別就是要機器識別出不同攝像機拍攝的特定人員的所有圖像。具體說，就是給定某人的一張圖片（query image），從多張圖片（gallery images）中找到屬于他/她的那一張或多張，是通過行人整體特征實現的人員比對技術。

主要應用領域的區別：“行人重識別”主要應用于刑偵工作、圖像檢索等方面。“行人檢測”主要用于智能駕駛、輔助駕駛和智能監控等相關領域。

為了更好的理解這個問題，不妨再思考幾個補充問題：

1.能不能用人臉識別做重識別？

理論上是可以的。但是有兩個原因導致人臉識別較難應用：首先，廣泛存在后腦勺和側臉的情況，做正臉的人臉識別難。其次，攝像頭拍攝的像素可能不高，尤其是遠景攝像頭里面人臉截出來很可能都沒有32x32的像素。所以人臉識別在實際的重識別應用中很可能有限。

2.有些人靠衣服的顏色就可以判斷出來了，還需要行人重識別么？

衣服顏色確實是行人重識別做出判斷一個重要因素，但光靠顏色是不足的。首先，攝像頭之間是有色差，并且會有光照的影響。其次，有撞衫（顏色相似）的人怎么辦，要找細節，但比如顏色直方圖這種統計的特征就把細節給忽略了。在多個數據集上的測試表明，光用顏色特征是難以達到50%的top1正確率的。

行人重識別領域研究現狀

行人重識別問題中的圖片來源于不同的攝像頭，然而，由于不同攝像頭所處的角度、光照等環境的影響，行人重識別問題具有以下幾個特點：

由于實際監控環境中，無法使用臉部的有效信息，所以，只能利用行人的外貌特征來進行識別。在不同攝像頭中，由于尺度、光照和角度的變化，同一個行人的不同圖片中，外貌特征會有一定程度的變化。由于行人姿勢及攝像頭角度的變化，在不同攝像頭中，不同行人的外貌特征可能比同一個人的外貌特征更相似。

針對以上幾個特點，計算機視覺領域的研究人員在最近幾年里進行了大量的研究工作。

目前，行人重識別領域的研究工作主要分為大致兩類：研究行人對象的特征表示方法，提取更具有魯棒性的鑒別特征對行人進行表示。使用距離度量學習方法，通過學習一個有判別力的距離度量函數，使得同一個人的圖像間距離小于不同行人圖像間的距離。

行人重識別具有高應用價值 但仍依賴于大量人力的投入

行人重識別在公共安防的偵察工作中以及圖像檢索等場景中有很高的應用價值。除此之外，行人重識別還可以幫助手機用戶實現相冊聚類、幫助零售或商超經營者獲取有效的顧客軌跡、挖掘商業價值。

從產業界來看，不管是老牌的計算機視覺公司如海康威視，還是新晉獨角獸face++，商湯科技，亦或是一些像BAT，華為等科技巨頭們都對行人重識別非常關注。從政策上來，行人重識別也受到一定關注。公安部推出平安城市概念，并且發布了多項預研課題，相關行業標準也在緊鑼密鼓制定當中。然而，受限于行業水平，目前行人重識別的精準度并不高，很多工作仍依賴于大量人力的投入。

結語

目前，行人重識別技術在實戰場景中還有更多的挑戰要應對。希望行人重識別技術技術能進一步成熟，為安防行業發展打開新市場。

責任編輯：Ct