行人再识别技术，清华大学王生进教授团队取得新进展

随着人工智能的发展，新技术不断被提出。今天，华泰科捷就来跟大家聊聊近几年人工智能+安防领域新兴的“行人再识别”技术。

行人再识别（Person Reidentification）是近几年智能视频分析研究兴起的一项新技术，主要用于公共安全视频监控中的人像识别。由于不同视频监控下环境不同，人工智能研究者一直致力于提高行人识别的准确率和检索效率。

说到行人再识别，清华大学王生进教授的团队在该领域的研究处于国际前沿水平。2009年起，王生进教授带领课题组在国家自然科学基金支持下，开始将行人再识别作为重点研究课题。近两年又与步态和图像检索结合在一起，获得了性能领先的实验结果，在两个典型行人序列数据集上，研发的新方法准确率分别比现有最好方法提高了5.7%和16.3%，在平安城市视频监控应用领域具有良好潜力。2016年在国际权威期刊IEEE PAMI发表了这项成果。

该团队构建了行人再识别领域中三个数据集并给予公开，分别是iLIDS-VID、Market1501、MARS。至2017年初，他们所构建的具有时空信息的行人再识别数据集iLIDS-VID，下载量已达3700次。Market1501数据集也成为CVPR等计算机视觉和模式识别国际顶级会议发表的行人再识别论文中常用的测试数据集，在国际学术界具有一定的影响力。

回到技术本身，行人再识别技术做的是一个怎样的事情呢？

行人再识别任务概念

行人再识别首先是计算机视觉任务，它的特点是给定一个感兴趣的人，行人再识别Re-ID需要在其他时间，其他地点，其他相机拍摄的场景图像中再次将该人物指定出来。对于训练集，测试集来讲，它很大的一个特点是没有ID上的重叠。这和图像分类有很大不同，图像分类所有的类在训练阶段都是可以见到并且学习的。

行人再识别与人脸识别

行人再识别与人脸识别最大的区别是，行人再识别通常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做一些动作，而人脸识别最早是工作在合作状态下。虽然现在随着技术的发展，人脸验证可以做到半合作状态，但是大部分情况下都不是完全非合作。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于行人再识别。

2005年清华大学智能图文信息处理研究室人脸识别技术应用于深圳罗湖自助通关系统

行人再识别标准流程

行人再识别，首先要给定一个初始视频图像，并进行行人的检测，把检测到的所有行人形成一个候选库，叫做gallery。然后把gallery里面所有的行人图像提取特征，再给定一个需要查询的行人，叫做query，之后用同样的方法提取特征，并比较与侯选库里各个行人特征之间的距离，最后返回识别检索结果。行人检测是相对一个独立的环节，行人再识别通常关注于后面的特征对比。

实际应用中行人再识别可远没有这么简单~关于行人再识别的深度学习领域的最新进展，华泰科捷将在下周五推出，关注华泰科捷，了解更多人工智能前沿技术。