行人再识别技术的2个核心部分：多摄像设备网络下识别行人

行人再识别技术的2个核心部分：多摄像设备网络下识别行人据介绍，除智能零售、智慧交通、智能城市等应用场景，行人重识别技术的应用可以帮助寻找走失儿童、让家庭机器人可以凭背影准确识别主人或顾客并提供相应服务。行人重识别需要从不同摄像机拍摄的图像或视频中找出同一个人物。其难点在于：这些摄像机所覆盖的范围往往彼此不重叠，导致缺乏连贯的信息，且不同画面中人物的姿态、行为甚至外观会发生较大变化。此外，不同时间、场景的光照、背景和遮挡物各不相同，背景中常还有体型、衣着相似的其他人物干扰，摄像机的分辨率也有高有低，人物在画面中出现的位置有远有进。这些种种都对行人重识别技术提出挑战。此次，依图科技优化了ReID算法框架并结合AutoML等技术，在三大行人重识别数据集Market1501、DukeMTMC-ReID、CUHK03上，将衡量算法性能的两大关键指标“首位命中率”（Rank- 1 Accuracy）及“平均精度均值”（Mean Average Preci

近日，人工智能企业依图科技宣布在行人重识别领域取得突破，刷新全球工业界三大权威数据集当前最优成绩，10万人规模检索精度超90%。

行人重识别（ReID）也称行人再识别，指在多摄像设备网络下对行人进行检索，利用步态动作、身体特征等更全面的信息来识别行人，旨在弥补固定的摄像头的视觉局限，是继人脸识别后计算机视觉领域的热门课题之一。

ReID各项指标数据

在交通运输、工业制造和城市规划等实际场景下，大量图像是不含人脸或人脸部分极其模糊的，这时候人脸识别的作用较为有限，需要用到行人重识别等技术。

行人重识别需要从不同摄像机拍摄的图像或视频中找出同一个人物。其难点在于：这些摄像机所覆盖的范围往往彼此不重叠，导致缺乏连贯的信息，且不同画面中人物的姿态、行为甚至外观会发生较大变化。此外，不同时间、场景的光照、背景和遮挡物各不相同，背景中常还有体型、衣着相似的其他人物干扰，摄像机的分辨率也有高有低，人物在画面中出现的位置有远有进。这些种种都对行人重识别技术提出挑战。

此次，依图科技优化了ReID算法框架并结合AutoML等技术，在三大行人重识别数据集Market1501、DukeMTMC-ReID、CUHK03上，将衡量算法性能的两大关键指标“首位命中率”（Rank- 1 Accuracy）及“平均精度均值”（Mean Average Precision，mAP）6项数据提升。

首位命中率高，意味着算法能够在众多图像中准确找出最容易识别或匹配的那张。评价行人重识别算法性能时，还需结合平均精度均值，它反映的是系统的综合检索性能。平均精度均值高，说明系统的实用性好，能够较好地应对多遮挡、光线暗、画面模糊等情况。

据介绍，除智能零售、智慧交通、智能城市等应用场景，行人重识别技术的应用可以帮助寻找走失儿童、让家庭机器人可以凭背影准确识别主人或顾客并提供相应服务。