近日，騰訊優圖實驗室在行人重識別(ReID)技術上再次取得突破，通過引入跨場景ReID，其ReID模型性能刷新了三大權威主流ReID公開數據集CUHK03，DUKE-MTMC和Market1501的記錄，算法關鍵指標首位命中率(RANK1 Accuracy)和平均精度均值(Mean Average Precision)獲得業內最好成績。

　　表1： ReID公開數據集性能比較

　　數據來源于網絡

行人重識別(Person ReID)是指對不同攝像機捕捉到的行人圖像建立身份對應關系(即關聯行人ID)，對行人實現在整個場景下的行動路線的全面刻畫。簡單來說，在看不到人臉的復雜多場景下也能通過體態等對人進行識別。相較于人臉識別技術，ReID對人體圖像的遮擋、朝向和清晰度具有較高的魯棒性，對攝像頭的清晰度、架設位置、角度沒有硬性要求。正因此ReID技術成為繼人臉識別技術后計算機視覺領域又一熱門課題。

鑒于ReID技術的技術優勢和在各個領域的廣泛應用前景，近年來，騰訊優圖在這一方向上做出了大量技術投入和全面的技術布局，在CVPR、TPAMI、AAAI、IJCAI等國際頂級學術會議和期刊上發表了超過15篇相關領域學術論文。

　　圖一：行人ReID示意圖

雖然ReID技術已經過多年的演進，但現實中復雜多變的場景，也讓跨場景識別(cross-domain person re-identification)成為ReID技術的一大難題，此次騰訊優圖刷新三大數據集所引入的跨場景ReID，便是在此難點上進行了技術突破。

跨場景識別的難點在于，不同場景由于環境光照、攝像頭角度、背景等因素，例如室內大型商場、小型門店的側面和高俯角相機、室外道路、社區的強光和夜晚環境等，都會對人體圖像的視覺特征造成影響。如何讓ReID技術適應復雜多變的場景，實現跨場景行人圖像的檢索，是一項重大的技術挑戰，也是實現室內外行人動線聯動、全城聯動的關鍵性技術。突破此技術難點對拓展ReID的落地場景和業態，實現大規模行人識別有巨大的作用。

　　圖二：公開數據集MSMT17中的室內外行人圖像視覺差異

為解決ReID技術難點，騰訊優圖通過在遮擋匹配、全角度匹配、跨域檢索等業務問題上的針對性優化，以及在模型結構、損失函數、訓練算法等各項技術上的大量積累和創新，提出了一種跨場景行人重識別技術框架，采用基于圖卷積和孿生網絡的模型，使得神經網絡對多朝向、多姿態等跨場景的人體具有更強的識別能力。這一技術能夠為不同場景、不同拍攝角度和光照條件的行人視覺特征學習統一的特征表達，有效提升了ReID技術在行人圖像室內外、跨場景的相互檢索的精度。

　　圖三：跨場景行人重識別

通過引入跨場景ReID，騰訊優圖在三個數據集中刷新業內最好的水平，其中Market-1501數據集的RANK1達到98.99%。RANK1和MAP作為衡量ReID技術水平的核心指標，首位命中率高，就意味著算法能夠在眾多圖像中準確找出最容易識別或匹配的那張。

在此基礎上，騰訊優圖的ReID算法在多場景行人圖像相互檢索也處于業界領先水平，在跨場景ReID數據集MSMT-17上超越已有算法達到業內頂尖水平。

　　表2：跨場景行人重識別性能比較

騰訊優圖的ReID技術不僅在相關數據集上已經取得了領先的性能，依托ReID技術的應用系統也已在多種場景達到商用水平并實現廣泛落地。未來，隨著跨場景行人重識別能力的逐步成熟，騰訊優圖的ReID技術也將在更多的場景和業態實現價值。