安防市場的下一個熱點會出現在哪里，或者準確的說視頻監控的下一個熱點在哪里？無疑ReID肯定是其中的一個熱點。人臉識別技術雖好，但是要是看不見人臉，怎么辦？這是擺在我們面前的一個問題。事實上，遍布城市里面的攝像機里面，扣除卡口攝像機、電子警察用的抓拍攝像機之外，符合人臉采集標準的攝像機相對而言鳳毛麟角，占比極少。而要最大限度挖掘傳統平安城市、天網工程的治安攝像機的潛力，無疑ReID是不二之選。

ReID（Person Re-identification），也稱為行人重識別、行人再識別、跨鏡追蹤，是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術，廣泛被認為是一個圖像檢索的子問題，目前主要應用于安防領域，未來與人臉識別相結合能夠應用于更多更豐富的場景。

千視通（全稱“蘇州千視通視覺科技股份有限公司”）是佳都科技參股公司，算是安防行業最早開展人工智能的企業之一，以視頻結構化、尤其是非機動車結構化見長，聞名于安防圈，這幾年默默發力，積蓄能量，不鳴則已一鳴驚人。據10月29日報道：

“千視通目前在Market 1501上的首位命中率(Rank-1 Accuracy)已經達到97.1%，超越人眼識別能力(94%)，領先頭部廠家，并刷新了今年4月公布的96.6%的世界紀錄。”

ReID的出現：為“跨鏡找人”而生

ReID 由以往沒有太多人留意到現在開始有產品上的應用，經歷了一段非常漫長的時間。由于最早期完全依賴于傳統計算機視覺或機器學習的技術，所以基本上沒有明顯的突破。ReID 本身是一個非常難的問題，它是要從不同的視頻之中，把同一個人識別出來。視頻光照條件的不同、感興趣區域的分辨率和角度的不同、目標被遮擋的情況普遍、穿著相近衣服的人等等，都會造成識別的困難。

ReID: 讓監控獲得“大局觀”

對于監控領域來說，ReID引申出來在實際應用上，就是希望把不同視頻內的物體關聯起來，并可以透過有效的方法把物體找出來，能做到這樣，整個監控操作才完整，才能看到大局。

ReID技術難點分析 

相比于人臉識別來說，ReID在實際應用場景下的數據非常復雜，由于不同攝像設備之間的差異，同時行人兼具剛性和柔性的特性 ，外觀易受穿著、尺度、遮擋、姿態和視角等影響，所以，對跨鏡追蹤（ReID）算法的要求也更高。

比如，實際應用中常常出現：

1. 無正面照

2. 服裝更換

3. 遮擋

4. 圖像分辨率低

5. 光線差異

6. 室內室外場景變化

ReID在采集數據的時候難度也是非常大：

1. 需跨攝像頭采集

2. 公開數據集的數據規模非常小

3. 影響因素復雜多樣

4. 數據一般都是視頻的連續截圖

5. 同一個人最好有多張全身照片

6. 互聯網提供的照片基本無法用在 ReID

7. 監控大規模搜集涉及到數據，涉及到用戶的隱私問題

數據獲取難度大，就意味著對算法提出了更大的挑戰。

ReID之生成：兩種基本算法

一般方法是把人的身體劃分成不同部分，以不同的方法把這些部分檢測出來，并進行局部特征提取?？墒牵螒{你怎樣細化劃分，該部分也會有某程度上的非剛體特性，這樣仍是會對算法造成干擾。

另一種比較準確的方法是考慮對齊，就是說，把兩張將要比對的圖片，以某種方法先對齊好，例如相同的頭部位置和腳部位置，并在匹配時只考慮有用的部分。當然，說起來是這么簡單，實際算法要做到這回事是一件進階的事情，因為這部分一般會內嵌到神經網絡。

除此之外，業界一般會附加一些網絡設計技巧再提高特征提取的準確度，例如使用多分支多任務網絡，而最后再用 re-ranking來進一步提升準確度。

千視通ReID算法創新：基于注意力架構的深度神經網絡方案

千視通所用的方法，概念上相近，都是盡可能考慮最重要的部分進行特征提取及比對。然而，千視通提出基于注意力架構模型的深度神經網絡方案來實現行人ReID。與傳統的全局表征或設定好的局部分割不同，千視通設計的主軀干網絡不要求軀干位置的標注，模型能夠從淺層視覺到高層語義的不同空間內自動捕捉關鍵區域，挖掘多尺度的注意力特征，自動實現行人肢體（如面部，上身及下身）的特征融合，對于姿態改變以及空間變化有著很好的魯棒性，有效的完成行人搜索工作。

千視通ReID技術原理圖

在千視通在實際的產品則試時，發現即使不使用 re-ranking，對于 Market-1501數據庫，top-1 準確度也能達到 90%。不使用 re-ranking 也能達到這個水平，代表速度上會快很多，也同時減少計算資源的使用。原因是re-ranking（例如現今常用的 k-recipical 方法）即使再簡單，也需要消耗內存把某范圍內的數據暫存，并進行分析和對比。而有不少算法是非常依賴 re-ranking 來達到高準確度。缺少了這個依賴，這使得千視通的算法在實際產品內產生優勢。

首位命中率97.1%，千視通跨鏡追蹤（ReID）算法破行業記錄

千視通作為Re-ID視頻結構化技術和應用為核心的計算機視覺科技公司，日前，在跨鏡追蹤技術（ReID）上取得了重大突破，在Market 1501上的首位命中率（Rank-1 Accuracy）已經達到97.1%，超越人眼識別能力（94%），領先頭部廠家，并刷新了今年4月公布的96.6%的世界紀錄。同時在CUHK03，Duke MTMC-reID兩個數據集上也刷新了之前業內最高紀錄，達到了行業state of the art的技術水平，特別是在CUHK03數據集上，Rank 1指標提高了10.7%。

注釋：Market 1501、DukeMTMC-reID、CUHK03是三個衡量Re-ID技術最通用的數據。

以上數據由國家超級計算長沙中心以及長沙市公安局刑事偵查支隊視頻偵查大隊測試驗證。

Re-ID+人臉識別 加速智能安防建設

人臉識別技術在安防領域已經應用的較為成熟了，但在很多實際場景中，人臉識別技術作用并不突出，因為很多時候，攝像頭根本無法抓拍到行人清晰的正面照。Re-ID作為人臉識別的補充，可以有效解決實際應用中跨設備、跨場景的問題，在最近幾年計算機視覺研究中受到的關注程度非常高。

受限于視頻監控探頭的安裝高度及密度，實際情況中拍到的更多的是行人的頭頂、后腦勺或者側臉。其次，即便拍到人臉，也可能是模糊不清的。

于是，千視通基于多年實戰經驗，提出一種卡視聯動技戰法，結合人臉識別和跨鏡追蹤（Re-ID）各自的特點及優勢，以少量的人臉卡口加大量的普通監控探頭的部署，既可鎖定嫌疑人身份，又能重現嫌疑人軌跡，這種創新的綜合型技戰法可以較大概率對監控范圍進行覆蓋，具有極強的實戰價值，對安防行業具有顛覆性意義。

以圖搜車、以圖搜人、以圖搜騎：

根據目標出現的時空信息，進行以圖搜圖迭代，持續追蹤形成活動軌跡：

360°結構化目標跨境追蹤：

基于ReID和人臉搜索的卡視聯動：

除了應用于偵查場景，大型公共場所、超市、火車站、展覽館等，人流量較大，智能尋人也是比較典型的 ReID 應用場景。