行人再識別比人臉識別更上層樓

技術宅

說到人臉識別，可能很多朋友都非常了解了，無論是支付寶的登錄，還是iPhone X的解鎖，甚至ATM的取款，通過人臉識別都可以完成。不過這些人臉識別都只是對靜態位置的人臉進行識別，現在有一個更為實用的研究應用——行人再識別。行人再識別是利用計算機視覺技術在圖像或視頻中檢索特定行人的任務，從而在行動影像中識別對應的人物。

行動中的識別——了解行人再識別技術

如上所述，現在人臉識別大多只是對靜態位置的人臉進行識別。在實際生活中，人很多時候是在行走的狀態。如何識別行走的人物？這就是行人再識別技術，它通過攝像頭或者監控視頻，對行走的人體攝像按照指定要素進行匹配，從而實現對行動人像的識別，在視頻中找到符合要素的人物（圖1）。

顯然行人再識別技術和常見的人臉識別不同，人臉識別是人們主動提供自己的臉型數據和選題預設數據進行匹配，從而完成臉型的驗證。行人再識別則需要在眾多視頻影像中找出符合要求的人物，比如在某商場孩子走丟了，家長們通過提供孩子的體貌信息，然后根據這些信息在商場監控視頻中去匹配特征，從而通過視頻影像識別，并找到孩子的最終位置。

行動中的識別——行人再識別技術原理

如上所述，行人再識別技術主要是對視頻影像中的行人進行識別。因為這些影像大多是攝像頭捕捉的，這樣和普通的人臉識別相比，一是捕捉的角度不同，攝像頭捕捉到的可能是行人的背影或者側面等影像；二是它在采集圖像時不需要行人主動配合，而且采集的是動態行走的影像；三是對于行人識別可能需要在不同場景進行識別，比如在機場采集A的影像，當在商場再次出現A的影像時，同樣需要對A實現精準識別（圖2）。

顯然行人再識別技術的識別難度就遠遠比人臉識別要難得多。那么這種技術是怎樣實現對行人的精準識別的呢？

我們來了解一下識別技術的基本原理。無論是人臉識別、指紋識別還是行人再識別，從識別理論上來說大同小異。以人臉識別為例，首先是樣本學習，根據人的臉型數據，按照一定的標準讓機器學習大量的樣本數據，同時借助AI技術，讓機器學會自主學習。在完成大量的樣本數據學習，機器可以精準識別人臉后，開發者就生成一套算法，然后使用這個算法就可以部署到識別服務器。這樣機器預先將獲取的人臉數據保存在數據庫，再次采集到人臉數據后就會和原始數據匹配，匹配成功即可完成一次人臉識別（圖3）。

回到行人再識別技術，它的原理與之類似。行人識別這種技術主要是依靠行人特征進行識別，首先是給定某人的一張圖片，從多張圖片中找到屬于他/她的那一張或多張，最后通過行人整體特征實現的人員比對技術。因此行人再識別技術關鍵是要確定特定人物的整體特征，然后把它作為識別點和其他人物比對，這里整體特征就相當于“人臉”數據。

同樣的該技術首先也是樣本學習，通過制定一定的標準讓機器去學習識別視頻里的人物特征。當然這個標準是多維度，比如將人按照頭、身、腿分成三部分分別標記其特征信息，或者先通過人體骨架估計，然后再通過骨架信息來對齊，這樣就可以將每個人相對獨立的特征提取出來（圖4）。

當然由于人體特征點非常多，科研人員同時借助深度卷積神經網絡去提取特征和自主學習，最終形成一套識別人物特征的算法。這樣借助這套算法就可以對視頻中的人物進行比對識別了。舉個簡單的例子，當在逛商場的時候，4歲孩子走丟了，孩子特征是4歲，下肢較長，當天穿著紅色上衣。那么利用行人再識別技術尋找孩子時，只要在識別系統中輸入上述特征，系統就會去和視頻中符合這些要素的人物進行比對，很快就可以找到你家孩子最近（或者現在）出現的視頻影像，從而快速找到孩子。

行人再識別 不僅僅和安防相關

說到行人再識別技術，很多人想到的就是警察追捕嫌疑犯的場景。確實該技術在當今的安防領域已經有著很多的應用，比如各地公安部門借助“天網”系統和行人再識別技術可快速找到嫌疑人的蹤跡（圖5）。

其實除了這些專業區域外，行人再識別技術還可以運用在我們生活里的很多場景。如現在很多朋友出外旅游都喜歡給拍照，拍攝人物多了以后照片就不好歸類。現在借助行人再識別對拍攝的人物進行追蹤，很容易就可以將照片按照自己、孩子、朋友的類別進行相冊的分類整理。對于零售商來說，借助自己攝像頭拍攝的視頻結合行人再識別技術，則可以輕松知道哪位顧客經常光臨自己的店面，喜歡在哪些柜臺前逗留等詳細信息（圖6）。endprint