云从跨镜追踪技术助力AI从“刷脸”到“识人”

日前，人工智能“国家队”云从科技在跨镜追踪技术(ReID)上取得重大突破。同时在Market-1501、CUHK03、DukeMTMC-reID三个数据集上从悉尼科技大学、南洋理工、中科院自动化所、清华大学等多家知名高校、企业与研究机构脱颖而出，刷新了世界记录。

其中最高在Market-1501上的首位命中率(Rank-1 Accuracy)达到96.6%，打破了之前阿里iDST在2018年1月创造的世界纪录，让跨镜追踪技术(ReID)在准确率上首次达到商用水平，人工智能即将从“刷脸”跨到“识人”的新纪元。

领先算法 同时刷新三项纪录

跨镜追踪技术(Person Re-Identification，简称 ReID)是现在计算机视觉研究的热门方向，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。

简单来说，它可以无需人脸，只用看穿着、体态、发型就“认出”你。

该技术可以作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性。该技术可以广泛应用于视频监控、智能安保、智能商业等领域。

Market-1501、CUHK03、DukeMTMC-reID是当前衡量ReID技术的最权威主流的数据集。首位命中率(Rank-1 Accuracy)、平均精度均值(Mean Average Precision，mAP)是衡量ReID技术水平的核心指标。

首位命中率达96.6% 云从科技跨镜追踪(ReID)技术刷新三项世界纪录

云从科技在这三个数据集中都刷新了业内最好的水平，在Market-1501数据集的Rank-1 Accuracy达到惊人的95.7%，使用Re-Ranking 技术后更是达到96.6%。mAP是更加全面衡量ReID算法效果的指标，它要求将检索图片与被检索图片都匹配正确，而不止首位命中。云从科技此次将Market-1501的mAP指标将现在最好的水平提高了近5%，达到86.9%，使用Re-Ranking技术之后更是达到了94.2 %。能够获得如此大幅度的突破，充分说明云从科技ReID的研究成果的价值，该成果必然能够推动ReID技术的大幅进步，也使得ReID加速实际应用。

为什么我们需要跨镜追踪(ReID)技术?

人脸识别技术经过进几年的发展，已较为成熟，在众多的场景与产品中都已有应用，但人脸识别技术只用到了人的脸部信息，而没有利用人体其它信息，例如衣着、姿态、行为等，另外在应用时必须要能抓拍到人脸，这在很多场景下无法满足，例如低头、背影、模糊身形、帽子遮挡等等。

而跨镜追踪(ReID)技术正好能够弥补人脸识别技术不足，跨镜追踪(ReID)技术能够根据行人的穿着、体态、发型等信息认知行人。这将人工智能的认知水平提高到一个新的阶段，现在跨镜追踪(ReID)已成为人工智能领域的重要研究方向。

但现有的研究成果还不是很成熟，离实际商用的要求还有一定距离。而云从科技的跨镜追踪(ReID)技术获得了重大突破，将现有的技术水平提高到一个新的阶段，这将大大推动业界技术研究与应用落地的进度，也将大大推动人工智能由“刷脸”跨进全面“识人”的新纪元。

跨镜追踪(ReID)技术有哪些难点?

跨镜追踪(ReID)技术与人脸识别技术类似，存在较多的困难点需要克服，例如光线、遮挡、图片模糊等客观因素。另外，行人的穿着多样，同一人穿不同的衣服，不同的人穿相似的衣服等等也对跨镜追踪(ReID)技术提出更高的要求。

行人的姿态多变导致人脸上广泛使用的对齐技术也在跨镜追踪(ReID)失效。行人的数据获取难度远远大于人脸识别数据获取难度，而行人的信息复杂程度又远远大于人脸，这两个因素叠加在一起使得跨镜追踪(ReID)的算法研究变得更加困难，也更加重要。通过算法的有效设计，降低对数据依赖来实现跨镜追踪(ReID)效果的突破是现在业内的共识。

本次云从提出通过融合行人的全局信息以及具有辨识力的多粒度局部信息的思路，为解决ReID问题提供了一个非常不错的思路。云从科技本次提出的方案有几大优势(1)结构精巧：该方案实现了端到端的直接学习，并没有增加额外的训练流程;(2)多粒度：融合了行人的整体信息与有区分度的多粒度细节信息;(3)关注细节：模型真正懂得什么是人，模型会把注意力放在膝盖，衣服商标等能够显著区分行人的一些核心信息上。

来源：安防知识网