<mark id="oztn4"></mark>
0
| 本文作者： 劉偉 | 2019-10-29 18:56 | 專題：首屆“全國人工智能大賽” |
談到人工智能，大眾最耳熟能詳的當屬人臉識別技術，它已經滲透到了我們生活的方方面面。但在計算機視覺領域，另一項技術的重要性也不遑多讓，那就是行人重識別（ReID）技術。
行人重識別（Person Re-Identification，簡稱 ReID）也稱作跨鏡追蹤技術，是當前計算機視覺領域的熱門研究方向。顧名思義，這項技術可以根據行人的衣著、體態、發型等一系列特征檢索不同攝像頭下的同一個目標人物，以此描繪出他的行進軌跡。
近年來越來越多的研究人員和機構開始投身到ReID技術的研究中來。這一趨勢從歷年計算機視覺頂會發表的ReID相關論文數量就可窺見一斑。2013年，計算機視覺頂級會議CVPR上發表的ReID相關論文數量只有1篇，到2018年已經增加到了32篇。同一時間，另外兩大計算機視覺頂會ECCV和ICCV發表的ReID相關論文數量也都從3篇增加到了19篇。
在眾多科研人員的共同努力下，近年來ReID技術已經取得了長足的發展。但必須承認的是，現階段ReID技術的研究仍然面臨著不少的現實挑戰，主要有幾個方面：
首先是數據，和其他視覺任務相比，ReID的數據規模是非常小的。目前ReID領域的公開數據集所含的ID數量不超過6000個。相比之下，人臉識別的公開數據集ID數量已經超過了100萬，而企業私有的ID規模更在此之上。
導致ReID訓練數據缺乏的主要原因在于，行人數據集需要采集同一個人在一段時間內同時出現在多個攝像頭下的畫面，如此嚴苛的條件無疑對行人數據集的構建造成了巨大挑戰。
除了數據缺失，數據標注也是一個不小的挑戰。數據標注是一件工作量特別龐大的事情，要知道大規模圖像分類數據集 ImageNet通過眾包的形式，前后有4.8 萬人花了近兩年時間才標注完成。此外，行人數據的標注本身有時也是非常困難的。區分貓狗非常容易，但要在視頻中將兩個年齡、體貌相似，穿著同樣衣服的不同行人分開是比較困難的。
其次是算法。ReID技術的發展大致經歷了兩個階段：2014年以前主要是依靠一些傳統方法，比如設計手工特征等；2014年以后則基本是基于深度學習的方法。眾所周知，深度學習算法的訓練依賴于大量的高質量數據。而ReID相關的訓練數據不僅數量少，質量也很難保障。
現有的視頻監控設備受成像質量、分辨率等因素的制約，抓取的圖像信息經常是模糊不清的。另外，相機拍攝角度差異大、室內室外環境變化、行人服裝配飾更換、季節性穿衣風格差別大、白天晚上光線差異等因素，也給跨攝像頭、跨地區、跨時間的ReID分析造成了巨大挑戰。
最后，技術落地，性價比也是一個需要特別關注的問題。在一般人看來，算法的準確率提升幾個百分點或許微不足道，但背后卻意味著巨額的成本提升。因此，在準確率不夠完美的情況下要將技術落地，我們還必須做很多的應用創新，比如計算速度和內存開銷的優化。
總而言之，ReID技術的突破肯定離不開兩個方面——數據和方法。數據層面，一方面我們要構建更大的真實數據集，另一方面也可以通過3D Graphics等方法做數據生成。方法層面，業界之前往往只考慮視覺信息，其實現實世界中我們還可以對大量其他信息加以利用，比如WiFi、GPS等等。
針對數據和方法兩個層面，目前業內部分科研機構和企業已經相繼有所突破。
比如，針對數據不足的問題，有研究團隊提出了數據增強與數據遷移算法。假設我們想將標注好的北京的數據用在上海的某個場景下，就可以通過遷移算法將其遷移到上海的場景中，遷移后的數據就像在上海拍攝的一樣。
再比如，為了應對非理想場景的挑戰，我們可以用人體部件提取的方法來提取人體的細粒度部件，并進行矯正。值得注意的是，由于需要提取非常精細的人體部件，此類算法對遮擋以及人體關鍵點檢測誤差比較敏感。基于此，有團隊提出了粗粒度部件提取方法，僅需提取三個粗粒度部件就能得到非常好的性能。
此外，在應用層面結合人臉識別和ReID各自的特點及優勢，也是一個值得探索的話題。比如千視通提出的卡視聯動技戰法，以少量的人臉卡口加大量的普通監控探頭的部署，既可鎖定嫌疑人身份，又能重現嫌疑人軌跡，這種創新的綜合型技戰法可以較大概率對監控范圍進行覆蓋，具有極強的實戰價值。
首屆全國人工智能大賽由深圳市科創委、鵬城實驗室、新一代人工智能產業技術創新戰略聯盟（AITISA）共同承辦，騰訊科技、創維集團、云天勵飛、平安科技協辦。這是深圳市首次主辦高規格、大規模的人工智能領域權威賽事。大賽將鏈接全國頂尖AI科研平臺及行業巨頭，為我國AI大科學裝置豐富數據集，并精準聚焦AI、4K、行人識別等前沿領域，打通產學研通道，立足深圳集聚全球AI青年人才，為深圳建設中國特色社會主義先行示范區、建設國家新一代人工智能創新發展試驗區、推動粵港澳大灣區人工智能產業發展提供重要支撐。
大賽技術委員會主席提到，本屆大賽賽題設計的目的主要聚焦于 Video和Vision領域。在“Person ReID”賽道，更多的是希望解決關于場景、跨視角、光照/分辨率影響等技術難題。
為了進一步推動ReID的技術突破和落地應用，10月22日啟動的首屆“全國人工智能大賽”專門設置了“行人重識別（Person ReID）”賽項，面向全國廣泛征集來自高校、企業、科研單位等的團隊和個人參賽。獲獎者除獲得20萬至100萬元獎金外，還有機會獲得頂尖高科技單位招聘綠色通道、科研經費、人才政策、研發空間等全方位支持。
了解大賽詳情請點擊：http://www.china-ai.ac.cn/。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
