-
行人重識別
鎖定
行人重識別(Person re-identification)也稱行人再識別,是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術。廣泛被認為是一個圖像檢索的子問題。給定一個監控行人圖像,檢索跨設備下的該行人圖像。旨在彌補固定的攝像頭的視覺侷限,並可與行人檢測/行人跟蹤技術相結合,可廣泛應用於智能視頻監控、智能安保等領域。
由於不同攝像設備之間的差異,同時行人兼具剛性和柔性的特性 ,外觀易受穿着、尺度、遮擋、姿態和視角等影響,使得行人重識別成為計算機視覺領域中一個既具有研究價值同時又極具挑戰性的熱門課題。
- 中文名
- 行人重識別
- 外文名
- Person re-identification (Person re-ID)
- 所屬學科
- 計算機科學
行人重識別定義
行人重識別(Person re-identification)也稱行人再識別,是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術。廣泛被認為是一個圖像檢索的子問題。
[1]
給定一個監控行人圖像,檢索跨設備下的該行人圖像。旨在彌補固定的攝像頭的視覺侷限,並可與行人檢測/行人跟蹤技術相結合
[2]
,可廣泛應用於智能視頻監控、智能安保等領域。
[3]
行人重識別發展歷史
行人重識別的研究起始於二十世紀九十年代中期。研究者們借鑑、引入了一些圖像處理、模式識別領域的成熟方法,側重研究了行人的可用特徵、簡單分類算法。自2014 年以來,行人重識別技術的訓練庫趨於大規模化,廣泛採用深度學習框架。隨着高校、研究所以及一些廠商的研究持續深入,行人重識別技術得到了飛速的發展。
海外主要的行人重識別系統的研究機構有悉尼科技大學(UTS)、倫敦瑪麗女王大學(QMUL)等;中國大陸及港澳台的主要有清華大學、北京大學、復旦大學、香港中文大學、西安交通大學、中國科學技術大學、中山大學,中科院自動化所等。
2020年,依圖科技在ReID領域取得新突破,刷新業界三大數據集當前最優成績(SOTA),算法性能達到業界迄今最高標準,極大拓展了算法和應用的邊界
[4]
,加速行人重識別(ReID)大規模商業化落地
[4]
。
行人重識別技術難點
1. 能不能用人臉識別做重識別?
理論上是可以的。但是有兩個原因導致人臉識別較難應用:首先,廣泛存在後腦勺和側臉的情況,做正臉的人臉識別難。其次,攝像頭拍攝的像素可能不高,尤其是遠景攝像頭裏麪人臉截出來很可能都沒有32x32的像素。所以人臉識別在實際的重識別應用中很可能有限。
[5]
2.有些人靠衣服的顏色就可以判斷出來了,還需要行人重識別麼?
衣服顏色確實是行人重識別做出判斷一個重要因素,但光靠顏色是不足的。首先,攝像頭之間是有色差,並且會有光照的影響。其次,有撞衫(顏色相似)的人怎麼辦,要找細節,但比如顏色直方圖這種統計的特徵就把細節給忽略了。在多個數據集上的測試表明,光用顏色特徵是難以達到50%的top1正確率的。
[5]
行人重識別方法
行人重識別基於部件匹配的方法
基於人體在三維空間中的結構(結構信息),人體圖像可以進行分割,按部件來執行匹配。
行人重識別基於損失函數的方法
基於高層語義信息,設置一些輔助任務,幫助模型學習到好的特徵表達。
6. 數據增強 混合多數據集訓練 ,加入訓練集上 生成對抗網絡(GAN)生成的數據。
[16-17]
行人重識別數據集
行人重識別二維空間數據集
DukeMTMC-reID
該數據集在杜克大學內採集,圖像來自8個不同攝像頭。該數據集提供訓練集和測試集。 訓練集包含16,522張圖像,測試集包含 17,661 張圖像。訓練數據中一共有702人,平均每類(每個人)有23.5 張訓練數據。是最大的行人重識別數據集,並且提供了行人屬性(性別/長短袖/是否揹包等)的標註。
[18]
DukeMTMC-attribute
該數據集基於DukeMTMC-reID數據集,加入了行人屬性(如性別gender/是否揹包bag等23種屬性),並且提升了DukeMTMC 行人重識別的效果。
[19]
Market-1501
該數據集在清華大學校園中採集,圖像來自6個不同的攝像頭,其中有一個攝像頭為低像素。同時該數據集提供訓練集和測試集。 訓練集包含12,936張圖像,測試集包含19,732 張圖像。圖像由檢測器自動檢測並切割,包含一些檢測誤差(接近實際使用情況)。訓練數據中一共有751人,測試集中有750人。所以在訓練集中,平均每類(每個人)有17.2張訓練數據。
[20]
DG-Market
Market1501-attribute
該數據集基於Market-1501數據集,加入了行人屬性(如性別/是否揹包等27種屬性),並且提升了Market-1501上行人重識別的效果。
[22]
CUHK03
該數據集在香港中文大學內採集,圖像來自2個不同攝像頭。該數據集提供 機器檢測和手工檢測兩個數據集。 其中檢測數據集包含一些檢測誤差,更接近實際情況。平均每個人有9.6張訓練數據。
[23]
行人重識別三維空間數據集
現有科研工作往往集中於二維的圖像空間,2021年後發展方向漸漸向三維空間擴展,比如,將行人映射到三維空間,該數據集通過引入人體的三維幾何結構來輔助行人識別。
[24]
行人重識別發展方向
行人重識別自然語言檢索
行人重識別利用生成數據輔助訓練
行人重識別遷移學習
由於數據集與現實數據之間的差異,導致在數據集A上訓練好的模型在現實數據B上性能表現不佳。 學界主要採用遷移學習的方法,在有標籤的數據集A(比如Market-1501)和無標籤數據集B(比如DukeMTMC-reID訓練集抹掉訓練標籤)上訓練,最後在數據集B的測試集上測試。
[26]
行人重識別對抗樣本
現有行人重識別模型的安全性也引起了很多學者的關注,在多種實際環境下(如季節變換,地區變換,低光照,遮擋)仍就有效。故一些方法
[27]
通過在行人圖像上添加微小的噪聲,來攻擊行人重識別模型,藉此探究行人重識別模型的缺陷。通過對缺陷的研究,提升模型設計時對抗噪聲的能力。
- 參考資料
-
- 1. 我國科學家對行人再識別研究取得突出進展 .國家自然基金委[引用日期2017-05-23]
- 2. 深度學習在視頻目標跟蹤中的應用進展與展望 .自動化學報[引用日期2017-05-23]
- 3. 行人再識別:平安城市添利器 .科學網[引用日期2017-05-22]
- 4. 依圖加速行人重識別(ReID)大規模商業化落地 .光明網.2020-04-01[引用日期2020-04-02]
- 5. 行人重識別:從哈利波特地圖説起 .知乎文章[引用日期2017-05-22]
- 6. Person Re-identification by Local Maximal Occurrence Representation and Metric Learning .arXiv.2014-06-17[引用日期2017-05-23]
- 7. An improved deep learning architecture for person re-identification .IEEE[引用日期2017-05-23]
- 8. Pose Invariant Embedding for Deep Person Re-identification .arXiv[引用日期2017-05-23]
- 9. Gated Siamese Convolutional Neural Network Architecture for Human Re-Identification .arXiv[引用日期2017-05-23]
- 10. 行人對齊+重識別網絡:Pedestrian Alignment Network for Large-scale Person Re-identification .知乎[引用日期2017-12-18]
- 11. Pedestrian Alignment Network for Large-scale Person Re-identification .ArXiv.2017-07-03[引用日期2017-12-28]
- 12. Person Re-identification: Past, Present and Future .arXiv[引用日期2017-05-23]
- 13. A Discriminatively Learned CNN Embedding for Person Re-identification .arXiv[引用日期2017-05-23]
- 14. End-to-End Comparative Attention Networks for Person Re-identification .arXiv[引用日期2017-05-23]
- 15. Improving Person Re-identification by Attribute and Identity Learning .arXiv[引用日期2017-05-23]
- 16. Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro .arXiv[引用日期2017-05-23]
- 17. 用GAN生成的圖像做訓練?Yes! .知乎[引用日期2017-11-12]
- 18. DukeMTMC-reID數據集 .Github[引用日期2017-05-23]
- 19. DukeMTMC-attribute .Github[引用日期2018-01-05]
- 20. Market-1501數據集 .Market-1501數據集[引用日期2017-05-23]
- 21. Joint Discriminative and Generative Learning for Person Re-identification .arXiv.2019-04-15[引用日期2019-04-21]
- 22. Market1501-attribute .Github[引用日期2018-01-05]
- 23. CUHK數據集 .CUHK數據集[引用日期2017-05-23]
- 24. Person Re-identification in the 3D Space 三維空間中的行人重識別 .arxiv.2020-06-08[引用日期2020-06-13]
- 25. Dual-Path Convolutional Image-Text Embedding .arXiv.2017-11-15[引用日期2017-12-28]
- 26. 行人再識別中的遷移學習:圖像風格轉換 .知乎[引用日期2018-01-11]
- 27. U-Turn: Crafting Adversarial Queries with Opposite-Direction Features .Springer IJCV 國際計算機視覺期刊.2022-10-20[引用日期2023-05-08]
- 收起