文安智能官宣:ReID跨鏡跟蹤算法精度再創新高

2020-12-25 TOM資訊

這些年，人工智慧視覺技術板塊挺火的，而其中的人臉識別技術更是永遠佔據創投、科技媒體的頭條，並在各大科技展會上霸屏。第一年感覺新鮮，第二年覺得套路沒變，第三年除了精度提高了以外，似乎沒啥新花樣了。時至今日，人臉識別領域單純的刷榜已無意義，AI小夥伴們重要的是沉下心來，在自己選好的領域裡，踏踏實實地進一步優化技術，做出能為用戶創造實際價值的產品方案來。

那麼，接下來想炫技的話，該怎麼辦呢？強烈推薦ReID，Maybe它將成為AI視覺領域，繼人臉識別之後，又一霸屏級存在。

▼

ReID是個啥？

ReID，英文全稱Re-identification，中文裡的人體重定位、跨鏡跟蹤、行人再識別都是它，是指通過穿著、體態、髮型等在不確定的場景中能夠再次識別是同一個人，並以此描繪出個體行進軌跡的AI視覺技術。從概念上，ReID年頭不少了，早在2008年，文安智能董事長陶海博士與其學生D.Gray提出世界上第一個廣泛使用的ReID資料庫VIPeR，並研發出當時全球領先的相關算法。

但是ReID 與人臉識別相比，有著一個最大的不同。人臉的特徵一般具有唯一性，而特徵的唯一性愈高，單靠這個特徵去查找或定義一個人就會更準確，也更容易。ReID 在這一塊是完全無法比擬的，也就是難度係數更大。由於圖像拍攝的時間、地點隨機，且光線、角度、姿態不同，再加上行人容易受到檢測精度、遮擋等因素的影響，ReID 的研究工作非常具有挑戰性。它最終的目的是要能達到1-to-1 匹配的狀態。

▼

ReID能幹啥？

任何能用到人的行動軌跡分析的場景，都有ReID的用武之地，典型的比如安防場景的敏感人群分析，零售場景的消費者行為分析等。

示意圖：零售場景下，用ReID技術分析消費者的運動軌跡

▼

這些年，我們將要刷的榜

Public是公開發表的論文裡最好的結果

VIONVISION是文安智能的最好結果（均為Reranking之前）

MSMT17、Market1501、DukeMTMC-ReID、CUHK03，ReID界影響力最大的「四大名庫」，這次是輪到文安智能出頭了。雖然目前沒有權威的公開比對，但根據公開數據，四大資料庫中，文安智能算法的結果在首位命中率（Rank-1 Accuracy）、平均精度均值（Mean Average Precision，mAP）兩個核心指標上，均不同程度的領先於目前公開可見的最好水平。

▼

為什麼可以這麼優秀？

研發人員扔給小編同學一張圖：

基於人體關鍵點的多粒度網絡結構

PBSAN (Pose-Based Spatial Attention Networks)

這圖看得小編是懵@著進來，懵@著出去，但他們的觀點是，基於人體關鍵點的多粒度網絡結構，為解決ReID問題提供了一個非常不錯的思路。

▼

ReID離落地還有多遠？

什麼叫離落地還有多遠？為了這個問題，研發的小夥伴對小編Diss了半天。研發同學認為，秉承文安智能歷來以面向實際應用為出發點的研發思路，我們的研發從來就是場景導向的，我們不是在落地，就是在落地的路上，刷刷榜只是順帶而為。經過他們的解釋，在小編粗淺的理解裡，ReID的實際應用，與場景內的人群數量級和場景本身的複雜度密切相關。事實上，在文安智能的智慧門店解決方案裡面，已經有實際的應用，未來只會是越來越好，越來越靠譜。

歡迎有興趣的關注哈！

……未來的人工智慧無限浩瀚……

▼

關於文安智能

文安智能成立於2005年，是專注於人工智慧視覺技術與產品自主研發的先行者，致力於為智慧城市和智慧商業打造端到端解決方案。

文安智能匯聚了由眾多來自清華大學、中科院、微軟研究院、IBM研究院等相關領域的行業專家組成的強大研發隊伍。從人臉識別、行為識別、人群分析、車輛識別與分析等底層算法研發開始，文安智能自主研發了一系列世界領先的AI視覺核心算法、高性能人工智慧硬體平臺與行業定製化智能解決方案。目前，公司產品與方案已經在國內外廣泛應用，受到交通、綜治、公安、商業地產、連鎖零售等各行業客戶的信賴與認可。

 

責任編輯： WY-BD

相關焦點

  • 繼行人再識別後,澎思科技車輛再識別(Vehicle ReID)技術刷新世界紀錄
    澎思科技基於自主研發的全局和局部深度特徵融合算法模型，實現了車輛再識別算法關鍵指標平均精度均值（Mean Average Precision，mAP）和首位命中率（Rank-1 Accuracy）的大幅度提升，在VERI-Wild數據集上平均精度均值mAP達到85.35%。車輛再識別在智慧城市和公共安全方面有著廣泛的應用前景和至關重要的作用，一直是計算機視覺領域研究的焦點。
  • 鋰離子電池狀態跟蹤與容量預測的改進算法
    針對標準粒子濾波算法在鋰離子電池剩餘使用壽命預測方面出現的估計精度不高、算法不穩定及計算效率低等問題，桂林電子科技大學電氣工程及其自動化系的研究人員焦自權、範興明、張鑫、羅奕、劉陽升，在2020年第18期《電工技術學報》上撰文，提出一種改進粒子濾波算法的狀態跟蹤與剩餘使用壽命預測估計方法。
  • CVPR 2019:中科院、牛津等提出SiamMask網絡,視頻跟蹤最高精度
    下圖可以看到到 CVPR2018 時候的時間跟蹤發展，相關濾波的發展已經經過了幾代迭代，深度學習方向也在不斷積攢（廣度高而深度淺）。大家都在嘗試可行的方向。目前來看，應該是以 SiamFC 為代表的 Siamese Tracker 脫穎而出。
  • 滴普技術薈:基於機器視覺的典型多目標追蹤算法應用實踐
    視頻目標追蹤算法是機器視覺中一項很實用重要的算法，視頻目標追蹤算法應用場景很廣，比如智能監控、機器人視覺系統、虛擬實境（人體跟蹤）、醫學診斷（細胞狀態跟蹤）等。本文由滴普科技2048團隊AI產品部算法工程師朱曉麗介紹基於機器視覺的典型多目標追蹤算法應用實踐。
  • 河北文安崛起智慧創新之城
    來源:新京報作為雄安東門戶，文安啟動快速升級步伐，建設北部科技新區，打造智慧新城文安北部科技新區著力發展科技創新及文化旅遊兩大支柱產業，為文安區域經濟發展實現雙輪驅動。為有序疏解非首都功能，文安重點承接大健康、大生態、大文旅及高新技術的「四大一高」產業，推動多元產業發展，加速形成具有京津冀核心競爭力的產業集群。近年來，文安縣委、縣政府持續加大「散亂汙」企業治理力度，調整了文安北部科技新區發展戰略，重點打造科技和文旅兩大支柱，以科技創新推動城市升級，以生態康養促進文旅產業。
  • 計算機視覺中,究竟有哪些好用的目標跟蹤算法(上)
    )這樣我們就大致知道目標跟蹤領域的最新進展應該就是相關濾波無疑了，再往後還能看到相關濾波類算法有SAMF, LCT, HCF, SRDCF等等。這點其實並不意外，大多數情況檢測識別算法複雜度比較高不可能每幀都做，這時候用複雜度更低的跟蹤算法就很合適了，只需要在跟蹤失敗(drift)或一定間隔以後再次檢測去初始化tracker就可以了。
  • 挑戰目標跟蹤算法極限,商湯開源SiamRPN系列算法解讀
    商湯科技智能視頻團隊首次開源其目標跟蹤研究平臺 PySOT。PySOT 包含了商湯科技 SiamRPN 系列算法，以及剛被 CVPR2019 收錄為 Oral 的 SiamRPN++。此篇文章將解讀目標跟蹤最強算法 SiamRPN 系列。
  • GPS的精度有多高?
    GPS目前的精度有多高？圖1：跟蹤站點分布圖（NGA&IGS）為什麼既有IGS的站，又有NGA（National Geospatial-Intelligence Agency，美國國家地理空間情報局）的站？ 稍後解釋，繼續看。
  • 目標跟蹤最強算法開源:商湯SiamRPN系列解讀
    雷鋒網(公眾號：雷鋒網) AI 科技評論消息，日前，商湯科技智能視頻團隊首次開源其目標跟蹤研究平臺 PySOT。PySOT 包含了商湯科技 SiamRPN 系列算法，以及剛被 CVPR2019 收錄為 Oral 的 SiamRPN++。此篇文章將獨家解讀目標跟蹤最強算法 SiamRPN 系列。
  • 計算機視覺中,有哪些比較好的目標跟蹤算法?(上)
    ) 這樣我們就大致知道目標跟蹤領域的最新進展應該就是相關濾波無疑了，再往後還能看到相關濾波類算法有SAMF, LCT, HCF, SRDCF等等。第二部分：背景介紹接下來總體介紹下目標跟蹤。這裡說的目標跟蹤，是通用單目標跟蹤，第一幀給個矩形框，這個框在資料庫裡面是人工標註的，在實際情況下大多是檢測算法的結果，然後需要跟蹤算法在後續幀緊跟住這個框，以下是VOT對跟蹤算法的要求：
  • 97.1%丨千視通行人再識別(Re-ID)精度破紀錄
    這些數據集中有兩項核心指標評判標準：首位命中率（Rank-1 Accuracy）以及平均精度均值（Mean Average Precision，縮寫mAP，它反映檢索的人在底庫中的所有圖片排在結果隊列前面的程度）。
  • 深度長文:計算機視覺中,目前有哪些經典的目標跟蹤算法?
    ，再往後還能看到相關濾波類算法有SAMF, LCT, HCF, SRDCF等等。此外，最新版本OPENCV3.2除了TLD，也包括了幾個很新的跟蹤算法 OpenCV: Tracking API：TrackerKCF接口實現了KCF和CN，影響力可見一斑，還有個GOTURN是基於深度學習的方法，速度雖快但精度略差，值得去看看。tracking方向的最新論文，可以跟進三大會議(CVPR/ICCV/ECCV) 和arXiv。
  • 基於機器視覺的典型多目標追蹤算法應用實踐
    DLA34[6]是對Resnet34加強，除了Down Sample，還有Up Sample，有點類似FPN[7]的網絡結構，跨層添加features，使得多層融合，跨層stride=4。最後，能夠獲得節點和邊的更新嵌入信息，其包含了依賴於整個圖結構的高階信息。軌跡預測：根據最後的所有邊嵌入預測的連續的二元結果，獲得最終的跟蹤軌跡。
  • 融合視頻目標檢測與單目標、多目標跟蹤,港中文開源一體化視頻感知...
    單目標跟蹤更加側重人機互動，算法需要在給定一個任意類別、任意形狀目標的情況下，對其進行持續跟蹤。近幾年來，雖然各個任務都湧現了許多優秀的算法，但這些領域仍然缺少開源的代碼框架，給代碼復現、借鑑、公平對比帶來了很大困難。
  • 光伏發電系統的最大功率點跟蹤算法及仿真研究
    目前，光伏發電系統的轉換效率偏低(10%-30%)，因此在光伏發電系統中，要提高系統發電的整體效率，一個重要的途徑就是實時調整光伏陣列的工作點，使之始終工作在最大功率點附近，這一過程就稱之為最大功率點跟蹤(MPPT)。就是通過最大功率點跟蹤算法找到光伏電池扳的功率峰值，並維持在峰值輸出。
  • AR技術新突破:亮風臺研發基於圖的平面物體跟蹤算法
    基於平面圖的視覺跟蹤是AR的核心技術之一，據雷鋒網(公眾號：雷鋒網)了解到，儘管目前AR發展迅速，但是計算機視覺算法在處理平面跟蹤時依然還有很多不足，在平面圖片傾斜、陰影、遮擋、運動狀態下，AR的識別跟蹤還不穩定。雷鋒網獲知，國內AR公司亮風臺研發出基於圖的平面物體跟蹤算法，該可在強幹擾的場景下實現快速且準確的平面跟蹤。
  • 文安這幾個村上了臺灣電視臺了!
    文安衣食住行招聘文字編輯：2名，負責微信公眾號的日常運營工作，包括內容搜集、整理、
  • 計算機視覺中,有哪些比較好的目標跟蹤算法?(下)
    相信很多來這裡的人和我第一次到這裡一樣，都是想找一種比較好的目標跟蹤算法，或者想對目標跟蹤這個領域有比較深入的了解，雖然這個問題是經典目標跟蹤算法，但事實上，可能我們並不需要那些曾經輝煌但已被拍在沙灘上的tracker(目標跟蹤算法)，而是那些即將成為經典的，或者就目前來說最好用、速度和性能都看的過去tracker。
  • 我國跨海通道建設領域再創新紀錄!
    其中北方首條跨海沉管隧道，即大連灣海底隧道完成首節沉管安裝，實現寒冷地區沉管隧道施工零的突破；深中通道完成E6管節安裝，世界最長最寬的鋼殼沉管隧道逼近千米大關，再創長度紀錄。專家表示，一南一北兩大超級工程同日完成關鍵節點，創造了我國乃至世界跨海通道建設領域的新紀錄，彰顯了我國在跨海通道建設中強大的綜合協調、資源統籌及科技創新實力。
  • 帶你入門多目標跟蹤(三)匈牙利算法&KM算法
    （Hungarian Algorithm）與KM算法（Kuhn-Munkres Algorithm）是做多目標跟蹤的小夥伴很容易在論文中見到的兩種算法。他們都是用來解決多目標跟蹤中的數據關聯問題。對理論沒有興趣的小夥伴可以先跳過本文，進行下一篇的學習，把匈牙利算法這些先當作一個黑箱來用，等需要了再回過頭來學習理論。但個人建議，至少要明白這些算法的目的與大致流程。如果大家用這兩種算法的名字在搜尋引擎上搜索，一定會首先看到這個名詞：二分圖（二部圖）。匈牙利算法與KM算法都是為了求解二分圖的最大匹配問題。