（原创）Re-ID八步实践-WINDOWS 10下跑起

最近在做客户视觉分析-追踪方案的时候，客户提出了一个需求：能不能“不要脸：）“就能进行模糊身份识别。

甲方一个供应商笑呵呵的说：“领导，人脸识别，人脸识别，不要脸怎么识别？哪有不要脸的，那就不叫人脸识别咯”

客户说，我见其他地方有这样的技术，就是不要脸就能识别，你们能做不能做？

供应商说，这个我们也了解了解，您既然说能做，那肯定是能做了！

我们眼见也把工作计划跟客户领导都交代清楚了，完事后上前那个提出不要脸识别的客户搭了一句：您好，确实您说的技术存在，而且现在进步挺大的，其名约“行人重识别技术，简称RE-ID”

那个客户立马眼睛亮了，来来来，既然有专家在场，那给我们快讲讲，不行我们可以立个项目啊，哈哈，回头眼睛扫了下那位供应商的眼神，一万把刀投向了我们一行人。

那接下来，我们讲讲这个技术是如何实现的……

RE-ID技术，其实这个是在人脸识别之后的重要的进步，尤其是不要脸就能识别人，就是通过衣物、配饰、骨骼、形态等特征进行综合判定，主要解决跨摄像头跨场景下行人的识别与检索。该技术可以作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性。

 

 

下图在实现上，可以通过性别、背包颜色、裤子颜射、背包类型等进行特征识别。那么要做REID，首先我们需要进行这些特征的提取。

 

 

在这些姿态、衣服颜色、衣着特点被综合提取后，我们能够实现跨摄像头进行人员追踪，请见下图：下图由四张图片构成，黄色这个人是之前新闻报道中的偷小孩事件的人，这个人会出现在多个摄像头里，现在警察刑侦时会人工去检索视频里这个人出现的视频段。这就是 ReID 可以应用的场景，ReID 技术可以根据行人的穿着、体貌，在各个摄像头中去检索，把这个人在各个不同摄像头出现的视频段关联起来，然后形成轨迹，这个轨迹对警察刑侦破案有一定帮助。这是一个应用场景。

 

 

在这中间，也体现出REID的几个关注点或者说是难点。

• 第一组图，无正脸照。最大的问题是这个人完全看不到正脸，特别是左图是个背面照，右图戴个帽子，没有正面照。
• 第二组图，姿态。绿色衣服男子，左边这张图在走路，右图在骑车，而且右图还戴了口罩。
• 第三组图，配饰。左图是正面照，但右图背面照出现了非常大的背包，左图只能看到两个肩带，根本不知道背包长什么样子，但右图的背包非常大，这张图片有很多背包的信息。
• 第四组图，遮挡。左图这个人打了遮阳伞，把肩部以上的地方全部挡住了，这是很大的问题。

 

 

 既然采用深度神经网络，那么肯定离不开训练数据集。通过训练，我们得到训练的模型weights文件，通过该文件对目标进行验证及评估。接下来我们看一下国际上最公认的三项数据集：

• 第一列，Market1501。用得比较多，拍摄地点在清华大学，图片数量有 32000 张左右，行人数量是 1500 个，相当于每个人差不多有 20 张照片，它是用 6 个摄像头拍的。
• 第二列，DukeMTMC-reID，拍摄地点是在 Duke 大学，有 36000 张照片，1800 个人，是 8 个摄像头拍的。
• 第三列，CUHK03，香港中文大学，13000 张照片，1467 个 ID，10 个摄像头拍的。

 

 

 

（待续……）