来源:网络
在很多的电影中,你可能会时常看到当公安需要追查一个失踪人员,或者是定位一个犯人的时候,就会使用公安系统布局在城市里每一处的摄像头,进行识别追踪。然后通过公安系统庞大的人像数据库分析后,就能够得到需要寻找人的位置。
是不是每次看到这类镜头都会感到很神奇呢?其实这么神奇的技术里面,就有着跨镜追踪(ReID技术)的应用,它不仅能够识别人脸,还能够根据人体的行为方式,体态和发型等进行搜索追踪。
ReID技术也叫跨镜追踪,其全写是Re-identification,从其字面意思可以理解出,就是对于监控镜头下的物体进行重新识别和辨认。
如对人物的识别,能够辨认出人的服装穿着、体态和人体其他代表性特征。它可以通过跨摄像头镜头,来对行人进行识别、追踪和检索。用来作为对人脸识别技术的重要补充,对于无法捕捉到清晰人脸的行人,可以采用跨镜头持续进行跟踪。
由于跨镜追踪(ReID技术)发挥空间大,有着很大的实用价值。目前跨镜追踪(ReID技术)已经广泛的应用于商业、安防、交通、金融等领域。
作为老牌的安防公司如海康、大华,以及AI四小龙的商汤、旷视、依图、云从,还有传统的互联网巨头BAT、华为等,对于ReID技术都是非常的关注与重视,有着自己的布局和积累。
对于ReID技术,不仅仅存在于电影速度与激情7里面的“天眼”,它其实贯穿于我们的整个生活,以下就有着几个日常的应用场景。
智慧城市追踪嫌犯
在该应用场景下,当公安机关知道了嫌犯的照片,却需要掌握充足的证据来证明嫌犯的犯罪事实。虽然有着监控摄像头的视频,但是面对着几百几十个摄像头的时候,庞大的数据量需要耗费很长的时间去寻找。
此时就可以使用ReID技术,在有关监控摄像头的视频库里面寻找嫌犯出现的视频段,将其整理串连起来,对于嫌犯的行为轨迹进行整合,那么在公安机关侦破案件的时候起到了很大的作用。
智能辨别违规违法驾驶行为
当公安机关利用好这一技术,不仅可以在追踪嫌犯的时候可以用上。在道路车辆行驶的时候,不用再通过模糊的图像,人工的仔细辨认驾驶员的驾驶行为,来判定驾驶员是否涉及到违规违法的行为。
ReID技术可以通过交通部门设置在各个路口的监控探头,对于通过的车辆进行连续跟拍。如刚更新的交通违法处罚规定,交通管理部门利用监控探头的跟拍,通过ReID技术来分析,对于驾驶员在驾驶时的行为进行识别辨认,然后利用算法来判定是否属于违规违法行为,后续就可以对相关的驾驶员进行扣分罚款的处罚。
智能寻人系统
在游乐园经常会出现小朋友与父母走失,面对着游乐园络绎不绝的人群,想要在人海中寻找到走失的小朋友,犹如大海捞针般困难。
但是当有着庞大的游客人像数据库的时候,可以利用ReID技术,可以寻找到从小朋友进游乐园起的所有行为轨迹图像,然后将其进行串连,就可以找到此时小朋友的位置。这是不是比传统的寻人方式更简单呢?
大型商场的安保
在大型商场中,如果想要第一时间分析出人的行为,并且对于每一个顾客都有着实时的行为轨迹分析,那么就需要庞大的顾客人像数据库。
在该人像数据库的基础上,加上ReID技术的应用,对于顾客在商场公开的范围内,都是可以进行实时行为分析的。如果有着一些行为异常的顾客,那么ReID技术将会着重追踪该人员,并且将其在商场的行为轨迹整合起来进行分析。对于一些能够以行为轨迹进行判断的预测情况,ReID技术会进行提示。
如果在商场中出现了一些偷盗等行为,那么商场的安保人员可以利用ReID技术,快速的对该偷窃人员进行追踪,得到其有效的个人身份信息,对后续公安机关的破案也提供了关键的证据。
无人超市的监管
无人超市作为一种新型的零售模式,由阿里巴巴和京东作为引领者,在全国范围内进行大面积的布局。
ReID技术在无人超市的应用,从顾客通过人像识别进入零售店开始,全程都在跟踪每一个顾客,将他们的行为轨迹进行串连储存,对于一些行为异常的顾客,会重点对该顾客进行跟踪。如果有着违反零售店规则的行为,那么是可以进行预警,提醒后台监控人员的。
ReID技术
ReID技术的应用,是作为未来建设智慧型城市,安全型城市的重要技术之一。在当下深度学习作为人工智能的重点,与ReID技术结合后,实用性获得了广泛的拓展。如ReID与计算机视觉:
ReID与计算机视觉
通过上述的应用案例,ReID技术所涉及到的视频结构化模式不可或缺的。如今的计算机视觉学也是以此作为实用性进行开展,在与深度学习结合后,计算机视觉对于整个视频的处理,可以分解并且进行结构化起来。但是面对着巨大的数据处理,还需要新的技术才能进行实用,而ReID技术的出现,刚好就可以结合起计算机视觉与数据库。
ID技术在进行测试时,需要实际采用一些数据集,而在数据集中有着评价的指标,用来对ReID技术的准确性进行判定。以下有着ReID使用较多的两个评测指标:
1.Rank1
ReID终归是一个排序的问题,Rank是排序命中率的核心指标。Rank1是首位命中率,就是指排在第一张图里面的有没有命中对象本人。
2.mAP
mAP的平均精度均值更能全面的评价ReID技术,这一指标是衡量ReID识别的整体均值来进行判断的。
在这里详细介绍下评测指标mAP。由于Rank1只需要第一张图片命中就可以,那么其偶然因素必然会存在。而mAP在衡量整个ReID算法的时候,是以体的识别为对象,那么其评测的结果更加全面,影响因素也会减小。
在这两组图中,图片1和图片2作为检索图,每张检索图后面的图片下的序号代表着检索位置。
那么mAP在计算的时候,检索图后的第一张图作为序号1,将第一张图除以1,第二张图除以排序的实际位置,即2除以3,后续图片依次类推,第五张图就是5除以20了。接着再把计算的值求平均数,然后再除以图片的总数,就得到了其mAP的值大概是0.63。
那么根据同样的算法计算出第二张检索图的mAP的精度值是0.756。最后再把所有的图片计算出来的mAP值求平均值,大概是69.45。
从该公式就可以看出,最后需要的mAP精度是需要计算整个检索图在底库中所有图片的mAP值,那么只有当该对象在底库中图片的序号都排着前列,并且没有任何人打断其图片的连续性,那么就可以得到最高的精度,当然这种情况的要求是非常高的。所以mAP是比较能够综合体现整个模型的真实性的指标的。
审核编辑黄宇
-
REID
+关注
关注
1文章
18浏览量
10856 -
深度学习
+关注
关注
73文章
5500浏览量
121117
发布评论请先 登录
相关推荐
评论