（文/電子發燒友網 張慧娟）今年自疫情發生以來，非接觸人臉識別體溫測量系統被大量應用，特別是在人流密集區域，既提升了篩查效率，也便于進行體溫異常人員的定位與溯源。

不過，雖然人臉識別技術可有效對確認病例、疑似病例、密切接觸者、疫區人員進行追蹤，但是由于佩戴口罩甚至護目鏡，識別效率大打折扣。于是，許多企業通過ReID（行人重識別）技術進行輔助，實現人員軌跡定位和確認。在戴口罩的情況下，ReID技術可依靠人的整體姿態進行檢索，通過分析穿著和體態，鎖定目標人員，將排查的時間由數天縮短至數秒。

ReID已在安防領域大顯身手

事實上，早在疫情應用之前，ReID已經在公共安防領域展現出很高的應用價值。

雖然我國人臉識別攝像機已經遍布城市，但仍有許多可能“失靈”的場景：面對反偵察能力強的嫌疑人，現有的視頻監控系統很難成為助力：攝像頭覆蓋角度有限、分辨率低、面部信息捕捉不足、嫌犯行跡追蹤困難都成為了人臉識別攝像頭在公安領域應用的典型難題。ReID技術正是在特殊人群檢索的巨大需求下應運而生。

ReID技術也稱行人再識別，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。即通過一個監控行人的圖像，即可檢索跨設備下的該行人圖像。旨在彌補固定攝像頭的視覺局限，并可與行人檢測/行人跟蹤技術相結合，廣泛應用于智能視頻監控、智能安保等系統，能夠在警務實戰中為人臉識別技術提供有力補充。

算法紀錄被不斷刷新，但還需繼續提升

ReID技術在業內受到越來越多的關注，不管是老牌的安防企業，還是AI獨角獸，或是互聯網巨頭BAT，都通過算法、數據等多個方面在這項技術上進行布局和積累，挖掘更大的市場潛力，以期在未來更大的智能布局中奠定穩固基礎。

近兩三年，阿里、中興、云從、海格星航、澎思科技、依圖等公司，刷新ReID數據集世界紀錄的新聞屢見報端。

在ReID這個賽道上，有三個公認的權威主流公開數據集，即CUHK03、DUKE-MTMC和Market1501。幾乎所有的ReID競賽都會在這三個數據集中進行測試。在此基礎上，所有廠商的ReID技術能力一目了然。

在此基礎上，需求方能夠直觀估算算法的實用價值。不過需要指出的是，Rank1命中率高，只意味著算法能夠在眾多圖像中準確找出最容易識別或者匹配的那張，并不能反映模型的真實能力，尤其是應對復雜場景的表現。因此，評價ReID算法性能時需要結合mAP值，它反映的是系統的綜合檢索性能。mAP值越高，說明系統的實用性越好，既能查得全也能查得準，能夠較好地應對多遮擋、光線暗、畫面模糊等情況。

不過目前為止，即便是在Duke-MTMC中mAP值最高的騰訊優圖，也只達到91.1%。比起人臉識別，顯然還有非常大的進步空間，具體到商用落地，還有諸多難點需要突破。

ReID落地三大難題

對行人的識別并不比人臉識別容易。

首先，人臉的五官、臉型相對比較固定，但是行人在不同動作時的姿態變化很大，這給準確識別增加了很多難度。其次，根據體態、穿著來判斷行人。如果很多人穿著同樣的衣服，識別難度進一步增大。此外，遮擋、光線、攝像頭分辨率低等，都是ReID技術要解決的實際問題。

除了上述實際應用場景下的現實問題，像現在AI領域的其他技術一樣，ReID對于數據的依賴也在限制它的進一步應用。盡管安防行業時刻在產生海量數據，但公開數據庫經標注的數據卻十分稀少，導致ReID目前可用數據集非常小。與人臉識別動輒百萬乃至千萬級且身份信息多樣的數據集相比，數據集較小的ReID技術仍需不斷提升。

此外，在實際場景中的ReID任務，不僅對數據集、算法有要求，更需要能夠部署在前端攝像頭中的大算力、低功耗的芯片提供支持。由于前端設備內的空間有限，再加上功耗、成本等因素的限制，智能前置會受硬件計算資源限制，只能運行相對簡單的、對實時性要求很高的算法；另一方面算法演講非常快，后期的運維有一定的挑戰。雖然視頻監控的前端智能已然成為了AI芯片廠商和老牌安防巨頭的必爭之地，但受制于上述因素，AI芯片在大規模普及應用方面仍有較大挑戰。就像人臉識別一樣，目前主流的方式仍是采用云邊一體的方式，即前端抓拍，分析、檢索在后端進行，從成本、功耗等各方面都是比較折中的方式。

疫情能否加快ReID商用腳步？

疫情發生后，曠視推出了人體識別+人像識別+紅外/可見光雙傳感”的解決方案。主要通過人像聚類和人體ReID技術，把紅外測溫卡口相機、人臉卡口相機和治安卡口相機中采集到體溫、人臉圖和人體圖數據融合聯動，實現實時追蹤定位人員軌跡。

騰訊優圖結合口罩下的人體識別，輔助社區進行人員管理和排查。疫情期間，絕大多數外出人員均會佩戴口罩，人臉識別技術對于佩戴口罩的人員成功率會有所下降。對于社區一線工作人員來說，人臉識別技術對佩戴口罩的人員身份確認失敗，會大大增加他們的排查登記工作量。騰訊優圖聯合騰訊海納，利用人體特征和人臉識別相結合的方式，將傳統人臉識別方式下無法溯源的戴口罩出入人員進行確認，從而提升社區工作人員摸排登記外來人員的效率。

正如上述兩大廠商的策略一樣，目前各家做ReID幾乎都是把人臉識別和行人識別綁定起來，通過人臉進行ID識別認證后，經已有的綁定匹配到人體，再和治安監控的數據串起來實現融合聯動的識別和追蹤。

也正因為如此，ReID當前更像是人臉識別一個錦上添花的功能。

不過，這并不意味著它沒有新的空間。例如疫情期間乘坐高鐵，刷身份證進站時還是需要摘下口罩進行人臉識別。如果融合了ReID，就可以在出行當天，在家中或人流較少的場地，拍下自己的當天的穿著和人臉。那么在進站時，就無需再摘下口罩進行認證了。這是當前一個可能的應用場景。

此外，ReID在某些場景中也有助于降低成本。由于人臉識別對攝像頭分辨率要求較高，至少需要1080P以上，導致人臉抓拍機的硬件成本較高。而ReID對像素并無過高要求，傳統的球機抓拍即可。因此在某些封閉場所，如大型商超，可以將人臉識別與ReID進行綁定后，就可以降低人臉抓拍機的部署量，從而節約一定的成本。以北京某商業街區人臉抓拍機、車輛微卡口機以及傳統的治安監控球機的分布比例來看，大約是人臉5-10%，車輛微卡口10%，球機80-85%。而在二三四線城市的商業街區，受成本所限，人臉抓拍機的使用率可能更低，傳統球機更多些。而這都有ReID的應用空間。

新零售場景，是業內目前公認的一個落地場景。通過ReID提供的跨鏡追蹤技術，可以讓“人”與“場”之間的關系數據被收集并以可視化的方式重現。便于商家對用戶畫像和用戶行為有更強的感知，從而能夠做出更準確的商業決策。此外，在公共場所的智能尋人也是ReID比較具象的應用場景。

為了使ReID的商用范圍進一步擴大，業界主流廠商都已經參與到了相關技術矩陣的研發中心，涉及工程、算法、數據庫、硬件、產品形態等多方面。其中，有限的數據庫是當前的突出的問題之一，因為只有足夠大的數據庫才能在實戰中給予支持，這也成了業界一致努力的方向。近兩個月來，曠視研究院、京東AI研究院相繼開源了基于PyTorch的ReID開源庫，這對于相關領域的研究以及工程部署，都具有積極的意義。

本文由電子發燒友網原創，未經授權禁止轉載。如需轉載，請添加微信號elecfans999.