实现茫茫人海“一眼定位”的行人重识别技术，都有哪些神奇之处？

时间：2020-10-12 相关资料下载

如今，在广泛的应用场景中，除了人脸识别技术，得益于训练数据规模的扩大、深度学习的发展，逐渐出现行人重识别技术的应用，广泛应用于智慧城市、自动驾驶等场景。未来，其与人脸识别技术的结合可以应用于更丰富的场景。

在茫茫人海中，一眼找到你想要找的人，这已经不是一种幻想，对计算机而言，可能是小菜一碟了。而这实践的发展得益于近年行人重识别技术的飞速发展。

行人重识别技术，也称为ReID技术、行人再识别，是利用计算机视觉技术，判断图像或视频序列中，是否存在特定行人的技术，被认为是一个图像检索的子问题。

直观点来说，就是能够通过穿着、体态、发型等特征，识别出不同场景中的同一个目标人物，因此它也被称作跨境追踪技术。

| 行人重识别技术的应用场景

目前，行人重识别技术在安防领域、自动驾驶等领域都有着广泛的应用。

✔ 公共安全领域

在公共安全领域，可以应用行人重识别技术根据目标人员的照片，在视频监控里寻找对象。可把目标人物的相关轨迹连起来，可以为警察破案刑侦提供帮助。

✔ 智慧化购物场景

在大型的购物场景中，如大型商圈，可通过构数字化、智能化数据系统。因为场景范围大、客流多等原因，智慧化购物场景可应用ReID技术，感知消费者，帮助商家识别顾客特征、流动轨迹等，实现智能营销。

✔ 智慧门店场景

在智慧门店场景中，可以通过应用人脸识别技术获取到顾客人脸图像，结合大数据建立用户画像。但人脸难以完整识别顾客的范围行为，如停留时间、运动轨迹等。可结合ReID技术，完善顾客的行为数据，为商家提供数据分析和运营策划数据。

| 行人重识别技术突破的关键

实现行人重识别技术，一般需要以下五个步骤：数据收集；包围框生成；训练数据标注；模型训练；行人检索。

其中，数据收集作为第一步，是整个行人重识别研究的基础。近年来，行人重识别之所以取得重大突破，离不开大规模数据集的推动与支撑。主流的行人检测常用数据集有哪些呢？

✔ INRIA Person Dataset 行人检测数据集

INRIA Person 数据集目前是最流行的、使用最多的静态行人检测数据集之一，由 INRIA（法国国家信息与自动化研究所）于 2005 年发布。该数据集用来对图像和视频中的直立行人进行检测。

✔ UCSD Pedestrian 行人视频数据集

UCSD Pedestrian 行人视频数据由加州大学和香港城市大学收集整理，于 2013 年 2 月发布。该数据集用于运动分割和人群计数。数据集包含了 UCSD（加州大学圣迭戈分校）人行道上行人的视频，均来自一个固定的摄像机。

✔ Caltech Pedestrian Detection Benchmark

Caltech Pedestrian Detection Benchmark 数据库，由加州理工学院于 2009 年发布，并且每年都持续更新。该数据库是目前规模较大的行人数据库，包含约 10 个小时的视频，主要由行驶在城市中正常交通环境的车辆的车载摄像头拍摄，视频的分辨率为 640x480，30 帧/秒。

虽然行人重识别技术还存在着诸如数据、效率、性能等方面的问题，但随着智能技术发展，行人重识别技术还会有更多的场景应用，结合人脸识别技术的优势带给用户更丰富的体验。

思铺学院，人工智能、深度学习和数据分析方向微创课题和相关营地，将从目前前沿技术出发，深度剖析当下热点问题，理论与实践结合，以成果导向为输出，对数据分析、人工智能、工程科技感兴趣的同学，不要错过哦~

点击阅读:

HiMCM IGEM 传统数学竞赛高中生国际金融商赛青少年科技创新大赛专利辅导高中生科研