最近，在网上搜索关于“行人重识别”及“行人再识别”等关键词，发现几乎都是关于行人检测的内容。对于“行人重（再）识别”技术能找到的资料很少，这可能是因为“行人重（再）识别”技术最近才刚刚兴起吧。 概念解释 “行人重（再）识别”，首先从字面上将就是对“行人”进行“识别”。其中的“重（再）”则是指“重新”、“再一次”的意思。 “行人重（再）识别”技术主要是应用在视频监控方面。 行人重识别问题中的图片来源于不同的摄像头，然而，由于不同摄像头所处的角度、光照等环境的影响，行人重识别问题具有以下几个特点： 1． 首先讲解下“行人重（再）识别”与“行人检测”的区别： 主要应用领域的区别： “行人重（再）识别”主要应用于刑侦工作、图像检索等方面。 “行人检测”主要用于智能驾驶、辅助驾驶和智能监控等相关领域。 主要目的区别： “行人重（再）识别”主要目的是：判断某个摄像头中的某个行人是否曾经出现在其他的摄像头中，即需要将某个行人特征与其他行人特征进行对比，判断是否属于同一个行人。
编辑：闻菲 【新智元导读】行人再识别（ReID）是近年来计算机视觉的一个研究重点，给定一个监控行人图像，跨设备检索该行人的图像。 行人再识别：实际意义重大，目前仍依赖大量人力投入 行人再识别（Person Re-Identification，简称 ReID），从字面意思理解就是对行人进行重新识别，是对不同的、没有视野重叠覆盖的（non-overlapping 因此，行人再识别强调的是在跨摄像机的视频中对特定行人进行检索。 ? 行人再识别：将图像中某个行人的特征与其他图像中行人特征进行对比，判断是否属于同一个人，相比行人检测难度更大。 如果说行人检测是要机器判定图像中是否存在行人，那么行人再识别就是要机器识别出不同摄像机拍摄的特定人员的所有图像。 然而，受限于行业水平，目前行人再识别的精准度并不高，很多工作仍依赖于大量人力的投入。
代金券、腾讯视频VIP、QQ音乐VIP、QB、公仔等奖励等你来拿！
AI科技评论按：本文作者孙奕帆，首发于知乎专栏「行人重识别」，AI科技评论获其授权转载。 arxiv.org/abs/1703.05693 代码链接：https://github.com/syfafterzy/SVDNet-for-Pedestrian-Retrieval 一、背景简介 近年来，行人再识别问题 与人脸识别相比，它在采集图像时不需要行人主动配合，在安防等领域具有极大的应用潜力。基于深度学习的行人再识别方法，在近几年快速进步，在绝大部分公开数据集上，深度学习特征均超过了手工设计特征。 这篇文章的工作主要围绕利用如何更好地学习的深度特征，提高行人再识别的准确率进行。 然而，这篇文章实际上没有具体针对行人再识别的特有问题进行分析、优化，笔者认为该方法在小数据集问题上，该方法具有一般性意义，并且，该方法对CNN特征的物理意义开展了一些有趣的思考。
行人再识别是利用计算机视觉技术在图像或视频中检索特定行人的任务，面临着视角变化大、行人关节运动复杂等诸多困难，是一个极富挑战的课题。本文就来为大家重点介绍一下行人再识别的一些基础知识及最新研究进展。 我先简单介绍一下行人再识别这个任务本身，希望从事计算机视觉的其他研究领域的人也能参与到行人再识别的研究当中。 人脸识别和行人再检测最大的区别是行人再识别是工作在非合作状态下，也就是说所采集的行人不需要配合你做一些动作。 由于行人图像相对难标注，获得的训练数据也是相对较少，以及一些别的原因，目前人脸识别的准确率要高一点。 ? 行人再识别的应用领域 比如可以通过行人再识别做跨视角的嫌疑犯追踪。 行人再识别从人脸识别中学习到了很多经验和做法。行人再识别研究中的一些新做法是否可能应用于人脸识别？ 以上就是我的所有分享。
传统的行人再识别限定了研究范围是短时范围的再识别（short-term re-id），即假设数据集中的行人的衣服不会发生变化。 近年来，可换衣的行人再识别研究引起了学者的兴趣，其关注长时间范围内的再识别（long-term re-id），即允许数据集中的行人更换衣服。 可换衣的行人再识别更加贴近实际应用场景，更具有挑战性，逐渐成为了行人再识别领域的研究热点之一。 然而，可换衣行人再识别作为一个相对新兴的研究子社区，虽已经有了一些数据集，但仍急缺一个大规模的且公开的数据集。 ★行人身份和服装多样性 含有广泛的年龄和职业范围，例如，哺乳婴儿，青年人，老人，工人，学生，送货人，宗教人士，含有丰富的行人服装和行为动作（含日常活动，工作，休闲等）。
行人再识别，澎思科技 ReID算法的三大突破 行人再识别起源于多摄像头跟踪，指在非重叠视角域多摄像头网络下进行的行人匹配，即确认不同位置的摄像头在不同的时刻拍摄到的行人目标是否为同一人。 行人再识别涉及计算机视觉、机器学习、模式识别等多个学科领域。 ReID 算法持续优化，加速技术在多行业应用落地 ReID 算法加速技术在多行业应用落地 近年来受益于深度学习的发展，行人再识别（ReID）技术水平得到了巨大提升，超越人眼识别能力，并达到了商用的水平。 在公共安全领域，行人再识别技术在警务实战中可以作为人脸识别技术的有力补充，帮助公安视频侦查实现人脸、人体图像与数据联结，强化轨迹追踪功能，深化公安视频图像应用能力。 在智慧零售领域，行人再识别技术可以帮助商超收集“人”与“场”之间的关系数据并以可视化的方式重现。
本文提出了一种用于人员再识别的注意力金字塔方法。与传统的基于注意力的方法只学习全局注意力地图不同，我们的注意力金字塔以多尺度的方式利用注意力区域，因为人类的注意力在不同的尺度上是不同的。 我们的注意力金字塔模仿了人类视觉感知的过程，即在杂乱的背景上注意到前景的人，并进一步密切观察到衬衫的特定颜色。具体来说，我们用“分裂-参与-合并-堆叠”的原则来描述我们的注意力金字塔。 我们在四个大型人员再识别基准上评估我们的方法，包括Market-1501、DukeMTMC、CUHK03和MSMT17。实验结果表明，该方法在计算量有限的情况下，大大优于现有的方法。 通过注意力金字塔进行人员再识别.pdf
【导读】近日，针对基于视频的行人再识别中局部噪声大、数据集质量低的问题，来自商汤科技（SenseTime）、中国香港中文大学和北京航空航天大学的学者发表论文提出基于区域的质量估计网络和一个更高质量的数据集 ▌详细内容 行人再识别的目的是通过比较探针图像和图像库之间的相似性来识别行人。 另一个问题是目前的行人再识别数据集（Wang等2014; Hirzer等2011; Li等2014; Zheng等2015）在规模或干净度方面都存在缺陷。 提出联合训练多级特征的工作流程，使基于区域的质量预测器能够在iLIDS-VID和PRID 2011上对区域质量进行适当估计，从而实现基于视频的行人再识别。 分数从[0 -1]分别映射到不同的颜色（蓝色-红色） ▌结论 本文针对基于视频的行人再识别问题，提出一种基于区域的质量估计网络（RQEN）。
【导读】近日，针对基于视频的行人再识别中局部噪声大、数据集质量低的问题，来自商汤科技（SenseTime）、中国香港中文大学和北京航空航天大学的学者发表论文提出基于区域的质量估计网络和一个更高质量的数据集 ▌详细内容 ---- ---- 行人再识别的目的是通过比较探针图像和图像库之间的相似性来识别行人。 另一个问题是目前的行人再识别数据集（Wang等2014; Hirzer等2011; Li等2014; Zheng等2015）在规模或干净度方面都存在缺陷。 提出联合训练多级特征的工作流程，使基于区域的质量预测器能够在iLIDS-VID和PRID 2011上对区域质量进行适当估计，从而实现基于视频的行人再识别。 分数从[0 -1]分别映射到不同的颜色（蓝色-红色） ▌结论 ---- 本文针对基于视频的行人再识别问题，提出一种基于区域的质量估计网络（RQEN）。
目录 用于二维手势估计的旋转不变混合图形模型网络 从人体移动轨迹中学习具有空间层次的细粒度位置嵌入 中等服装变化下基于轮廓草图的行人再识别 基准成像系统的综合数据库 基于双向语言模型的半监督序列标注 中等服装变化下基于轮廓草图的行人再识别 论文名称：Person Re-identification by Contour Sketch under Moderate Qize /Wu Ancong /Zheng Wei-Shi 发表时间：2020/2/6 论文链接：https://arxiv.org/abs/2002.02295v1 推荐原因 这篇论文要解决的是行人重识别问题 与以往只考虑同一个着装的行人重识别问题不同，这篇论文定义了跨服饰行人重识别问题，即在不同着装下的行人重识别任务。 这些人脸图像是从Tufts大学的学生、教职员工及其家属那里采集的，能够为人脸识别相关的研究提供更加鲁棒的算法测试。同时这篇论文也回顾了目前已有的其他人脸识别相关的数据集。 ? ? ?
机器之心专栏 作者：Hongjun Wang、Guangrun Wang等 行人再识别系统（re-ID）无处不在，可以在不同摄像头拍摄的视频中精确地找出同一个人，但这种系统也很容易被对抗样本所欺骗，因此检验 行人再识别（re-ID）——一种个人身份鉴别技术和继人脸识别之后的又一重要算法，随着深度学习的发展进入了一个新时代。在 Market-1501 上，各大公司玩命刷榜，甚至达到了超人类的识别水平。 github.com/whj363636/Adversarial-attack-on-Person-ReID-With-Deep-Mis-Ranking 背景 深度神经网络（DNN）的成功使许多计算机视觉任务受益，例如行人再识别 通过研究 re-ID 系统的对抗样本，我们可以识别这些系统的漏洞并帮助提高鲁棒性。例如，我们可以确定人体的哪些部分最容易受到对抗性攻击，并要求将来的 re-ID 系统注意这些部分。 由于现实中的人身份无穷无尽，被查询人通常不属于数据库中的任何类别，因此 re-ID 被定义为排序问题而不是分类问题。用于图像分类、分割、检测和面部识别的现有攻击方法不适合排序问题。
【导读】专知内容组整理了最近五篇行人再识别（Person Re-identification）相关文章，为大家进行介绍，欢迎查看! Cross-dataset Person Re-identification by Transfer Learning of Spatial-Temporal Patterns（基于迁移学习时空模式的无监督跨数据集的行人再识别 0522841c63093f56ebca3f6847d4368b 2.Virtual CNN Branching: Efficient Feature Ensemble for Person Re-Identification（虚拟CNN分支:高效特征集成的行人再识别 framework with updateable joint images re-ranking for Person Re-identification（一个可更新的重新排序的联合图像的框架以供行人再识别 22a54aca7c06d061e6a595674f580665 4.Multi-Channel Pyramid Person Matching Network for Person Re-Identification（多通道金字塔型行人匹配网络进行行人再识别
【导读】专知内容组整理了最近六篇行人再识别（Person Re-Identification）相关文章，为大家进行介绍，欢迎查看! 1. Learning View-Specific Deep Networks for Person Re-Identification（学习特定视角深度网络的行人再识别） ---- ---- 作者：Zhanxiang Features for Multi-Target Multi-Camera Tracking and Re-Identification（多目标多摄像头跟踪和行人再识别的特征） ---- ---- 作者 Cross-dataset Person Re-identification by Transfer Learning of Spatial-Temporal Patterns（通过迁移学习时空模式进行无监督跨数据集的行人再识别 Multi-Channel Pyramid Person Matching Network for Person Re-Identification（利用多通道金字塔型行人匹配网络进行行人再识别） --
【导读】专知内容组整理了最近六篇行人再识别（Person Re-Identification）相关文章，为大家进行介绍，欢迎查看! 1. Harmonious Attention Network for Person Re-Identification（和谐注意力网络的行人再识别） ---- ---- 作者：Wei Li,Xiatian Video Person Re-identification by Temporal Residual Learning（基于时序残差学习机制的视频行人再识别） ---- ---- 作者：Ju Dai, Pose-Normalized Image Generation for Person Re-identification（pose归一化图像生成的行人再识别） ---- ---- 作者：Xuelin Triplet-based Deep Similarity Learning for Person Re-Identification（基于三元组的深度相似性学习的行人再识别） ---- ---- 作者
【导读】专知内容组整理了最近六篇生成式对抗网络（GAN）相关文章，为大家进行介绍，欢迎查看! 1. Multi-pseudo Regularized Label for Generated Samples in Person Re-Identification（基于多伪正则化标签生成样本的行人再识别）
【导读】既昨天推出六篇行人再识别文章，专知内容组今天又推出最近七篇行人再识别（Person Re-Identification）相关文章，为大家进行介绍，欢迎查看! 1. MaskReID: A Mask Based Deep Ranking Neural Network for Person Re-identification（用于行人再识别的一种基于深度排序的神经网络 Camera Style Adaptation for Person Re-identification（基于相机风格自适应的行人再识别） 作者：Zhun Zhong,Liang Zheng,Zhedong Adversarial Binary Coding for Efficient Person Re-identification（高效行人再识别的对抗性的二进制编码） 作者：Zheng Liu,Jie Efficient and Deep Person Re-Identification using Multi-Level Similarity（高效、深度的行人再识别，使用多层次的相似性） 作者：Yiluan
而行人重识别（Person re-identification）也称行人再识别，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。广泛被认为是一个图像检索的子问题。 和 人脸识别 的异同 行人重识别 是用一个摄像头下的照片 去认其他摄像头下是否再次出现了这个人。 行人重识别落地的产品很少， 而人脸识别的大量应用已经落地 ？ 之前学界研究的少 多摄像头/跨摄像头问题。 以上是造成行人重识别 在学界火的原因吧。 为了更好的理解这个问题，我们再思考几个补充问题： 1. 能不能用人脸识别做重识别？ 理论上是可以的。但是有两个原因导致人脸识别较难应用：首先，广泛存在后脑勺和侧脸的情况，做正脸的人脸识别难。 测试方式 主要有两种方案：a.测试的输入是一对行人，输出为这对行人的相似度，然后再按相似度排序；b.输入单个人，提取特征，再计算与其他人的欧式距离，然后再按距离排序。
人体分析包含人像分割、人体识别、行人重识别（Reid)等服务。人像分割可识别视频、图片中的半身人体轮廓，并将其与背景分离；人体检测，可识别行人的穿着、体态、发型等信息；行人重识别（Reid)可实现跨摄像头跨场景下行人的识别与检索。可应用于人像抠图、背景特效、行人搜索、人群密度检测等场景。
扫码关注云+社区
领取腾讯云代金券
云服务器
测试服务 WeTest
文件存储
SSL 证书
WordPress