人臉識別攝像頭看不到人臉，怎么辦？人臉識別自2015年在準確度上超越人類開始，四年之間識別精度躍升了10萬倍，未來還將解鎖更多復雜應用場景，將效率提升幾個量級。然而，目前的實際應用場景中，單個攝像頭無法覆蓋所有區域，多個攝像頭檢測范圍也少有重疊，不僅如此，受限于視頻監控探頭安裝高度及密度，拍到更多的是行人側臉、頭頂或者后腦勺。

在人臉識別實現之前，更面臨一重難題：攝像機遍布城市各個角落，在扣除卡口攝像機、電子警察所用的抓拍攝像機之外，符合人臉采集標準的攝像機卻鳳毛麟角：存量前端設備難以達到人臉識別所要求的架設高度、角度等要求，需要換新或改造，而這涉及長周期高投入的建設。要盡量挖掘平安城市、雪亮工程已架設的攝像機的潛力，還需要加入其他技術。

AI+安防行業頭部玩家的目光開始聚集向ReID（行人再識別）技術與人臉識別的結合應用。ReID技術對環境與設備的要求并不高，能夠充分利用現有設備和基礎設施，且只要識別出一定的行人特征，就可以實現跨攝像頭對檢索對象進行連續追蹤和軌跡還原，在此過程中一旦發現人臉信息，人員身份就可以明確。這對社會公共治安來講，是非常理想的技術。

例如，已知某嫌疑人照片，要取得其在監控中出現的視頻段，ReID就可以根據照片去監控視頻庫中收集數據，串聯起嫌疑人在各個攝像頭中的軌跡，這將對刑偵工作提供非常大的幫助。

總體而言，對于監控領域來說，廠商希望通過ReID技術關聯并找出不同視頻內的同一物體，只有做到這種程度，整個監控操作才可以稱得上完整，才能看到大局。

應當指出的是，ReID本身也是一項非常難的技術，要從不同的視頻之中識別出同一個人，視頻光照條件、監控區域分辨率和角度、目標遮擋情況、乃至穿著相近衣服的人等都會給識別造成困難。數據獲取難度大，就會對算法提出比較大的挑戰。現在業內盡量在算法層面做工作，以提高 ReID 識別效果。

老牌安防公司如海康和大華、AI四小龍、華為，還有傳統互聯網巨頭BAT等，均在ReID領域有著自己的布局和積累。云從ReID技術更是超越阿里巴巴、騰訊、中科院，打破三項世界紀錄，一舉將ReID識別率推至可商用水平。

結語：“刷臉”作為計算機視覺領域的重要應用，已經席卷全行業，而“識人”將促使計算機視覺行業進入新的發展階段。目前ReID技術主要應用于安防領域，安防業在ReID眾多細分領域均已有深入研究，例如行人檢測、姿態估計、行為動作識別、行人結構化信息提取等。未來ReID與人臉識別相結合能夠應用于更多更豐富的場景，讓大家能夠更快體會到智能技術對安防、自動駕駛、家居生活等方方面面的升級。