行人重识别与行人跟踪（一） 概念

01

行人重识别（Person Reid）也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。

由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性 ，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人重识别成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。

左（行人重识别） 右（行人跟踪）

02

而行人跟踪(Person Tracking)是指给定一张切好块的行人图像, 从一段全景视频 (视野中只有一小部分是这个行人) 中找到 行人所在的位置。这段全景视频是由单个摄像头拍摄的连续帧。

一般来说，提到行人重识别时会、有以下2种思路：

• 1.基于人脸识别的行人重识别：通过识别人脸判断是否是同一个人，这种方法理论上是可行的，但是很难应用，因为在实际的识别中，广泛存在后脑勺和侧脸的情况，做正脸的人脸识别很难，其次是摄像头的像素可能不高，尤其是远景摄像头里面人脸截取出来的很可能都没有32*32像素，所以人脸识别在实际的重识别应用中很可能有限；

• 2.靠衣服颜色进行行人重识别：衣服颜色确实是行人重识别做出判断的一个重要因素，当然光靠颜色是不足的。首先，摄像头之间是有误差的，并且会有光照的影响。其次，有撞衫的人怎么办？要找细节，但比如颜色直方图这种统计的特征就把细节忽略了。在多个数据集上的数据表明，光用颜色特征是难以达到50%的top1准确率的。

而在学术界，行人重识别的任务，一般分为两种方法，一种是表征学习，另一种是度量学习。划分这两种方法的依据是使用的损失不同。两者同样是输入数据进入CNN网络提取特征，而表征学习在训练的时候没有考虑图片间的相似度，而把行人重识别任务当作分类问题或者验证问题来做，而度量学习通过网络学习出两张图片的相似度，表现为同一行人的不同图片的相似度大于不同行人的不同图片。

来自罗浩老师的PPT

在后续的推文中，我们将会从行人重识别开始，一步一步实现自己的行人跟踪算法，学完之后，你应该可以实现如下gif所示的效果，记得点关注哦！

预先提取的行人

行人跟踪以及运动轨迹