談到人工智能，大眾最耳熟能詳?shù)漠?dāng)屬人臉識(shí)別技術(shù)，它已經(jīng)滲透到了我們生活的方方面面。但在計(jì)算機(jī)視覺領(lǐng)域，另一項(xiàng)技術(shù)的重要性也不遑多讓，那就是行人重識(shí)別（ReID）技術(shù)。

ReID：計(jì)算機(jī)視覺研究的新風(fēng)口

行人重識(shí)別（Person Re-Identification，簡(jiǎn)稱 ReID）也稱作跨鏡追蹤技術(shù)，是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的熱門研究方向。顧名思義，這項(xiàng)技術(shù)可以根據(jù)行人的衣著、體態(tài)、發(fā)型等一系列特征檢索不同攝像頭下的同一個(gè)目標(biāo)人物，以此描繪出他的行進(jìn)軌跡。

近年來越來越多的研究人員和機(jī)構(gòu)開始投身到ReID技術(shù)的研究中來。這一趨勢(shì)從歷年計(jì)算機(jī)視覺頂會(huì)發(fā)表的ReID相關(guān)論文數(shù)量就可窺見一斑。2013年，計(jì)算機(jī)視覺頂級(jí)會(huì)議CVPR上發(fā)表的ReID相關(guān)論文數(shù)量只有1篇，到2018年已經(jīng)增加到了32篇。同一時(shí)間，另外兩大計(jì)算機(jī)視覺頂會(huì)ECCV和ICCV發(fā)表的ReID相關(guān)論文數(shù)量也都從3篇增加到了19篇。

ReID技術(shù)發(fā)展道路上的三重大山

在眾多科研人員的共同努力下，近年來ReID技術(shù)已經(jīng)取得了長(zhǎng)足的發(fā)展。但必須承認(rèn)的是，現(xiàn)階段ReID技術(shù)的研究仍然面臨著不少的現(xiàn)實(shí)挑戰(zhàn)，主要有幾個(gè)方面：

首先是數(shù)據(jù)，和其他視覺任務(wù)相比，ReID的數(shù)據(jù)規(guī)模是非常小的。目前ReID領(lǐng)域的公開數(shù)據(jù)集所含的ID數(shù)量不超過6000個(gè)。相比之下，人臉識(shí)別的公開數(shù)據(jù)集ID數(shù)量已經(jīng)超過了100萬，而企業(yè)私有的ID規(guī)模更在此之上。

導(dǎo)致ReID訓(xùn)練數(shù)據(jù)缺乏的主要原因在于，行人數(shù)據(jù)集需要采集同一個(gè)人在一段時(shí)間內(nèi)同時(shí)出現(xiàn)在多個(gè)攝像頭下的畫面，如此嚴(yán)苛的條件無疑對(duì)行人數(shù)據(jù)集的構(gòu)建造成了巨大挑戰(zhàn)。

除了數(shù)據(jù)缺失，數(shù)據(jù)標(biāo)注也是一個(gè)不小的挑戰(zhàn)。數(shù)據(jù)標(biāo)注是一件工作量特別龐大的事情，要知道大規(guī)模圖像分類數(shù)據(jù)集 ImageNet通過眾包的形式，前后有4.8 萬人花了近兩年時(shí)間才標(biāo)注完成。此外，行人數(shù)據(jù)的標(biāo)注本身有時(shí)也是非常困難的。區(qū)分貓狗非常容易，但要在視頻中將兩個(gè)年齡、體貌相似，穿著同樣衣服的不同行人分開是比較困難的。

其次是算法。ReID技術(shù)的發(fā)展大致經(jīng)歷了兩個(gè)階段：2014年以前主要是依靠一些傳統(tǒng)方法，比如設(shè)計(jì)手工特征等；2014年以后則基本是基于深度學(xué)習(xí)的方法。眾所周知，深度學(xué)習(xí)算法的訓(xùn)練依賴于大量的高質(zhì)量數(shù)據(jù)。而ReID相關(guān)的訓(xùn)練數(shù)據(jù)不僅數(shù)量少，質(zhì)量也很難保障。

現(xiàn)有的視頻監(jiān)控設(shè)備受成像質(zhì)量、分辨率等因素的制約，抓取的圖像信息經(jīng)常是模糊不清的。另外，相機(jī)拍攝角度差異大、室內(nèi)室外環(huán)境變化、行人服裝配飾更換、季節(jié)性穿衣風(fēng)格差別大、白天晚上光線差異等因素，也給跨攝像頭、跨地區(qū)、跨時(shí)間的ReID分析造成了巨大挑戰(zhàn)。

最后，技術(shù)落地，性價(jià)比也是一個(gè)需要特別關(guān)注的問題。在一般人看來，算法的準(zhǔn)確率提升幾個(gè)百分點(diǎn)或許微不足道，但背后卻意味著巨額的成本提升。因此，在準(zhǔn)確率不夠完美的情況下要將技術(shù)落地，我們還必須做很多的應(yīng)用創(chuàng)新，比如計(jì)算速度和內(nèi)存開銷的優(yōu)化。

總而言之，ReID技術(shù)的突破肯定離不開兩個(gè)方面——數(shù)據(jù)和方法。數(shù)據(jù)層面，一方面我們要構(gòu)建更大的真實(shí)數(shù)據(jù)集，另一方面也可以通過3D Graphics等方法做數(shù)據(jù)生成。方法層面，業(yè)界之前往往只考慮視覺信息，其實(shí)現(xiàn)實(shí)世界中我們還可以對(duì)大量其他信息加以利用，比如WiFi、GPS等等。

ReID技術(shù)的幾大前沿研究方向

針對(duì)數(shù)據(jù)和方法兩個(gè)層面，目前業(yè)內(nèi)部分科研機(jī)構(gòu)和企業(yè)已經(jīng)相繼有所突破。

比如，針對(duì)數(shù)據(jù)不足的問題，有研究團(tuán)隊(duì)提出了數(shù)據(jù)增強(qiáng)與數(shù)據(jù)遷移算法。假設(shè)我們想將標(biāo)注好的北京的數(shù)據(jù)用在上海的某個(gè)場(chǎng)景下，就可以通過遷移算法將其遷移到上海的場(chǎng)景中，遷移后的數(shù)據(jù)就像在上海拍攝的一樣。

再比如，為了應(yīng)對(duì)非理想場(chǎng)景的挑戰(zhàn)，我們可以用人體部件提取的方法來提取人體的細(xì)粒度部件，并進(jìn)行矯正。值得注意的是，由于需要提取非常精細(xì)的人體部件，此類算法對(duì)遮擋以及人體關(guān)鍵點(diǎn)檢測(cè)誤差比較敏感?；诖?，有團(tuán)隊(duì)提出了粗粒度部件提取方法，僅需提取三個(gè)粗粒度部件就能得到非常好的性能。

此外，在應(yīng)用層面結(jié)合人臉識(shí)別和ReID各自的特點(diǎn)及優(yōu)勢(shì)，也是一個(gè)值得探索的話題。比如千視通提出的卡視聯(lián)動(dòng)技戰(zhàn)法，以少量的人臉卡口加大量的普通監(jiān)控探頭的部署，既可鎖定嫌疑人身份，又能重現(xiàn)嫌疑人軌跡，這種創(chuàng)新的綜合型技戰(zhàn)法可以較大概率對(duì)監(jiān)控范圍進(jìn)行覆蓋，具有極強(qiáng)的實(shí)戰(zhàn)價(jià)值。

全國(guó)人工智能大賽為ReID技術(shù)發(fā)展添柴加薪

首屆全國(guó)人工智能大賽由深圳市科創(chuàng)委、鵬城實(shí)驗(yàn)室、新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟（AITISA）共同承辦，騰訊科技、創(chuàng)維集團(tuán)、云天勵(lì)飛、平安科技協(xié)辦。這是深圳市首次主辦高規(guī)格、大規(guī)模的人工智能領(lǐng)域權(quán)威賽事。大賽將鏈接全國(guó)頂尖AI科研平臺(tái)及行業(yè)巨頭，為我國(guó)AI大科學(xué)裝置豐富數(shù)據(jù)集，并精準(zhǔn)聚焦AI、4K、行人識(shí)別等前沿領(lǐng)域，打通產(chǎn)學(xué)研通道，立足深圳集聚全球AI青年人才，為深圳建設(shè)中國(guó)特色社會(huì)主義先行示范區(qū)、建設(shè)國(guó)家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)、推動(dòng)粵港澳大灣區(qū)人工智能產(chǎn)業(yè)發(fā)展提供重要支撐。

大賽技術(shù)委員會(huì)主席提到，本屆大賽賽題設(shè)計(jì)的目的主要聚焦于 Video和Vision領(lǐng)域。在“Person ReID”賽道，更多的是希望解決關(guān)于場(chǎng)景、跨視角、光照/分辨率影響等技術(shù)難題。

為了進(jìn)一步推動(dòng)ReID的技術(shù)突破和落地應(yīng)用，10月22日啟動(dòng)的首屆“全國(guó)人工智能大賽”專門設(shè)置了“行人重識(shí)別（Person ReID）”賽項(xiàng)，面向全國(guó)廣泛征集來自高校、企業(yè)、科研單位等的團(tuán)隊(duì)和個(gè)人參賽。獲獎(jiǎng)?wù)叱@得20萬至100萬元獎(jiǎng)金外，還有機(jī)會(huì)獲得頂尖高科技單位招聘綠色通道、科研經(jīng)費(fèi)、人才政策、研發(fā)空間等全方位支持。

了解大賽詳情請(qǐng)點(diǎn)擊：http://www.china-ai.ac.cn/。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。