（數(shù)據(jù)來(lái)源于網(wǎng)絡(luò)）

行人重識(shí)別（Person ReID）是指對(duì)不同攝像機(jī)捕捉到的行人圖像建立身份對(duì)應(yīng)關(guān)系（即關(guān)聯(lián)行人ID），對(duì)行人實(shí)現(xiàn)在整個(gè)場(chǎng)景下的行動(dòng)路線的全面刻畫(huà)。簡(jiǎn)單來(lái)說(shuō)，在看不到人臉的復(fù)雜多場(chǎng)景下也能通過(guò)體態(tài)等對(duì)人進(jìn)行識(shí)別。相較于人臉識(shí)別技術(shù)，ReID對(duì)人體圖像的遮擋、朝向和清晰度具有較高的魯棒性，對(duì)攝像頭的清晰度、架設(shè)位置、角度沒(méi)有硬性要求。正因此ReID技術(shù)成為繼人臉識(shí)別技術(shù)后計(jì)算機(jī)視覺(jué)領(lǐng)域又一熱門(mén)課題。

鑒于ReID技術(shù)的技術(shù)優(yōu)勢(shì)和在各個(gè)領(lǐng)域的廣泛應(yīng)用前景，近年來(lái)，騰訊優(yōu)圖在這一方向上做出了大量技術(shù)投入和全面的技術(shù)布局，在CVPR/TPAMI/AAAI/IJCAI等國(guó)際頂級(jí)學(xué)術(shù)會(huì)議和期刊上發(fā)表了超過(guò)15篇相關(guān)領(lǐng)域?qū)W術(shù)論文。

行人ReID示意圖

雖然ReID技術(shù)已經(jīng)過(guò)多年的演進(jìn)，但現(xiàn)實(shí)中復(fù)雜多變的場(chǎng)景，也讓跨場(chǎng)景識(shí)別（cross-domain person re-identification）成為ReID技術(shù)的一大難題，此次騰訊優(yōu)圖刷新三大數(shù)據(jù)集所引入的跨場(chǎng)景ReID，便是在此難點(diǎn)上進(jìn)行了技術(shù)突破。

跨場(chǎng)景識(shí)別的難點(diǎn)在于，不同場(chǎng)景由于環(huán)境光照、攝像頭角度、背景等因素，例如室內(nèi)大型商場(chǎng)、小型門(mén)店的側(cè)面和高俯角相機(jī)、室外道路、社區(qū)的強(qiáng)光和夜晚環(huán)境等，都會(huì)對(duì)人體圖像的視覺(jué)特征造成影響。如何讓ReID技術(shù)適應(yīng)復(fù)雜多變的場(chǎng)景，實(shí)現(xiàn)跨場(chǎng)景行人圖像的檢索，是一項(xiàng)重大的技術(shù)挑戰(zhàn)，也是實(shí)現(xiàn)室內(nèi)外行人動(dòng)線聯(lián)動(dòng)、全城聯(lián)動(dòng)的關(guān)鍵性技術(shù)。突破此技術(shù)難點(diǎn)對(duì)拓展ReID的落地場(chǎng)景和業(yè)態(tài)，實(shí)現(xiàn)大規(guī)模行人識(shí)別有巨大的作用。

公開(kāi)數(shù)據(jù)集MSMT17中的室內(nèi)外行人圖像視覺(jué)差異

為解決ReID技術(shù)難點(diǎn)，騰訊優(yōu)圖通過(guò)在遮擋匹配、全角度匹配、跨域檢索等業(yè)務(wù)問(wèn)題上的針對(duì)性優(yōu)化，以及在模型結(jié)構(gòu)、損失函數(shù)、訓(xùn)練算法等各項(xiàng)技術(shù)上的大量積累和創(chuàng)新，提出了一種跨場(chǎng)景行人重識(shí)別技術(shù)框架，采用基于圖卷積和孿生網(wǎng)絡(luò)的模型，使得神經(jīng)網(wǎng)絡(luò)對(duì)多朝向、多姿態(tài)等跨場(chǎng)景的人體具有更強(qiáng)的識(shí)別能力。這一技術(shù)能夠?yàn)椴煌瑘?chǎng)景、不同拍攝角度和光照條件的行人視覺(jué)特征學(xué)習(xí)統(tǒng)一的特征表達(dá)，有效提升了ReID技術(shù)在行人圖像室內(nèi)外、跨場(chǎng)景的相互檢索的精度。

通過(guò)引入跨場(chǎng)景ReID，騰訊優(yōu)圖在三個(gè)數(shù)據(jù)集中刷新業(yè)內(nèi)最好的水平，其中Market-1501數(shù)據(jù)集的RANK1達(dá)到98.99%。RANK1和MAP作為衡量ReID技術(shù)水平的核心指標(biāo)，首位命中率高，就意味著算法能夠在眾多圖像中準(zhǔn)確找出最容易識(shí)別或匹配的那張。

在此基礎(chǔ)上，騰訊優(yōu)圖的ReID算法在多場(chǎng)景行人圖像相互檢索也處于業(yè)界領(lǐng)先水平，在跨場(chǎng)景ReID數(shù)據(jù)集MSMT-17上超越已有算法達(dá)到state-of-the-art水平。

Table 2 跨場(chǎng)景行人重識(shí)別性能比較

騰訊優(yōu)圖的ReID技術(shù)不僅在相關(guān)數(shù)據(jù)集上已經(jīng)取得了領(lǐng)先的性能，依托ReID技術(shù)的應(yīng)用系統(tǒng)也已在多種場(chǎng)景達(dá)到商用水平并實(shí)現(xiàn)廣泛落地。未來(lái)，隨著跨場(chǎng)景行人重識(shí)別能力的逐步成熟，騰訊優(yōu)圖的ReID技術(shù)也將在更多的場(chǎng)景和業(yè)態(tài)實(shí)現(xiàn)價(jià)值。

songjy