近日，腾讯优图实验室在行人重识别（
ReID）
技术上再次取得突破，
通过引入跨场景
ReID，其
ReID模型性能刷新了三大权威主流
ReID公开数据集CUHK03，DUKE-MTMC和Market1501的记录，算
法关键指标首位命中率（
RANK1 Accuracy）和
平均精度均值（
Mean Average Precision）获得业内最好成绩。
表
1： ReID公开数据集性能比较
| Market1501 | DukeMTMC | CUHK03 | |||
RANK1 | MAP | RANK1 | MAP | RANK1 | MAP | |
Tencent YouTu | 98.99% | 97.16% | 95.15% | 91.10% | 95.79% | 95.00% |
YITU | 98.60% | 96.60% | 94.75% | 90.02% | 95.00% | 94.23% |
HaiGe | 97.54% | 94.77% | 94.37% | 89.77% | 94.40% | 91.20% |
ZTE | 97.32% | 94.66% | 92.46% | 87.65% | 89.79% | 87.99% |
Dahua Tech | 96.76% | 91.98% | 91.52% | 83.96% | 87.73% | 85.72% |
Pensees | 96.73% | 89.89% | 92.01% | 82.51% | 84.57% | 82.81% |
WINSENSE | 96.59% | 91.77% | 91.79% | 83.81% | 82.79% | 81.91% |
CloudWalk | 96.40% | 91.14% | 91.74% | 83.31% | 82.28% | 81.06% |
Alibaba | 96.35% | 90.58% | 90.31% | 81.46% | 82.00% | 80.57% |
数据来源于网络
行人重识别（
Person ReID）是
指对不同摄像机捕捉到的行人图像建立身份对应关系（即关联行人
ID），对行人实现
在整个场景下的行动路线的全面刻画
。简单来说，在看不到人脸的复杂多场景下也能通过体态等对人进行识别。
相较于人脸识别技术，
ReID对人体图像的遮挡、朝向和清晰度具有较高的鲁棒性，对摄像头的清晰度、架设位置、角度没有硬性要求。正因此
ReID技术成为继人脸识别技术后计算机视觉领域又一热门课题。
鉴于
ReID技术的技术优势和在各个领域的广泛应用前景，近年来，腾讯优图
在这一方向上做出了大量技术投入和全面的技术布局，在
CVPR、
TPAMI、
AAAI、
IJCAI等国际顶级学术会议和期刊上发表了超过15篇相关领域学术论文。
图一：
行人
ReID示意图
虽然
ReID技术已经过多年的演进，但现实中复杂多变的场景，也让跨场景识别
（
cross-domain person re-identification）成为
ReID技术的一大
难题
，此次腾讯优图刷新三大数据集所引入的
跨场景
ReID，便是在此难点上进行了技术突破。
跨场景识别
的难点在于，
不同场景由于环境光照、摄像头角度、背景等因素，例如室内大型商场、小型门店的侧面和高俯角相机
、
室外道路、社区的强光和夜晚环境等
，都会对
人体图像的视觉特征
造成影响
。如何让
ReID技术适应复杂多变的场景，实现跨场景行人图像的检索，是一项重大的技术挑战，也是实现室内外行人动线联动、全城联动的关键性技术。突破此技术难点
对拓展
ReID的落地场景和业态，实现大规模行人识别有巨大的作用。
图二：
公开数据集
MSMT17中的室内外行人图像视觉差异
为解决
ReID技术难点，腾讯优图
通过在遮挡匹配、全角度匹配、跨域检索等业务问题上的针对性优化，以及在模型结构、损失函数、训练算法等各项技术上
的
大量积累和创新，提出
了
一种
跨场景行人重识别
技术框架，采用基于图卷积和孪生网络的模型，使得神经网络对多朝向、多姿态等跨场景的人体具有更强的识别能力。这一技术能够为不同场景、不同拍摄角度和光照条件的行人视觉特征学习统一的特征表达，有效提升了
ReID技术在行人图像室内外、跨场景的相互检索的精度。
图三：跨场景行人重识别
通过引入跨场景
ReID，腾讯优图在三个数据集中刷新业内最好的水平，其中
Market-1501数据集的
RANK1达到
98.99%。
RANK1和MAP作为衡量
ReID技术水平的核心指标，
首位命中率高，
就
意味着算法能够在众多图像中准确找出最容易识别或匹配的那张。
在此基础上，
腾讯
优图的
ReID算法在多场景行人图像相互检索也处于业界领先水平，在跨场景ReID数据集MSMT-17上超越已有算法达到业内顶尖
水平。
表
2：跨场景行人重识别性能比较
| RANK1 | MAP |
Tencent YouTu | 83.54% | 62.00% |
ABDNET (TAMU/中科大) | 82.30% | 60.80% |
OSNET | 78.70% | 52.90% |
DG-NET (NVIDIA/悉尼大学) | 77.20% | 52.30% |
DLCE | 60.48% | 31.58% |
腾讯优图
的
ReID技术不仅
在相关数据集上已经取得
了领先
的性能，依托
ReID技术的应用系统也
已在多种场景达到商用水平并实现广泛落地。未来，随着跨场景行人重识别能力的逐步成熟，
腾讯
优图的
ReID技术也将
在更多的场景和业态实现价值。
