【安防展覽網(wǎng) 企業(yè)關注】在AI時代，越來越多的生物特征可以被提取出來并進行識別，目前市場應用比較多的有人臉識別、指紋識別、聲紋識別等，而門檻相對較高的虹膜識別、掌靜脈識別、步態(tài)識別技術等技術則在落地應用中難覓蹤影。
在疫情發(fā)生后，應用范圍廣泛的人臉識別、指紋識別等技術卻出現(xiàn)了很大的應用受阻。
比如人臉識別技術，只提取人的臉部特征信息，在戴口罩、或者燈光黑暗、拍攝角度不佳、帽子遮擋等情況下，人臉識別技術難以發(fā)揮效用。
為此，彌補人臉識別技術不足的一些技術也應運而生，比如步態(tài)識別技術、行人重識別ReID技術，這兩個技術都能在一定程度上彌補人臉識別的不足。
步態(tài)識別技術和行人重識別ReID技術其實是兩個并不相同的技術，但不了解他們的人，很容易將兩者混為一談，接下來我們就從幾個方面來剖析了解兩者究竟有何不同，以及他們在落地應用的場景中又有哪些優(yōu)勢？
兩者的概念不同
▎什么是步態(tài)識別？
它是通過身體體型和行走姿態(tài)來分析人的身份，其物理基礎是每個人不同的生理結構：身高、頭型、腿骨、臂展、肌肉、重心、神經(jīng)靈敏度等。
在日常生活中，如果在遠處出現(xiàn)一個你熟悉的身影，即使看不清面部，或者穿了一件你從來沒有見過的衣服，但是憑借你對他的熟悉程度，你依然可以認出他的身影。這其實是人類視覺的一個步態(tài)識別。
步態(tài)識別是一種生物特征識別技術，是對于人的全身特征的一個識別，具有遠距離、跨視角、非受控的優(yōu)勢。
初，大家了解這個技術源自一部電影《碟中諜5》，在當時看來，很有科幻色彩。隨后，科研機構也對此展開了研究，但多年來，這個技術還停留在實驗階段，技術概念多于落地應用。
CPS中安網(wǎng)向多家企業(yè)了解這個技術的進展和落地應用情況，但意外的是，收到的回復，要么是已經(jīng)不涉足了，要么是還停留在概念階段，未有實際的技術突破。
唯有大華股份和銀河水滴公開表示在步態(tài)識別技術領域取得新的突破，其中，大華在2019年深圳安博會上發(fā)布的7大“黑科技”中，就有一個與步態(tài)識別相關的技術——跨相機跟蹤技術：使用目標檢測與步態(tài)識別技術，實現(xiàn)多個攝像機之間目標物體的視頻接力跟蹤。
但對于這項技術的場景落地應用，大華并沒有過多著墨，以致目前在市場上，銀河水滴成為一家以步態(tài)識別技術為核心技術的人工智能企業(yè)，并且已經(jīng)落地應用。
▎什么是行人重識別？
行人重識別(Person Re-identification)也稱行人再識別，簡稱為ReID，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。
在多攝像設備網(wǎng)絡下對行人進行檢索，利用步態(tài)動作、身體特征等更為全面的信息來識別人物，無論單獨使用還是與人臉識別相結合，都能發(fā)揮更大的應用價值。
特別是當攝像頭無法抓拍到清晰的人臉時，行人重識別技術就發(fā)揮著非常重要的作用，只需看行人的穿著、體態(tài)、發(fā)型就“認出”人。
ReID也有另外一個名稱，叫“跨鏡追蹤”，可以對無法獲取清晰拍攝人臉的行人進行跨攝像頭連續(xù)跟蹤，從不同攝像機拍攝的圖像或視頻中找出同一個人物，增強數(shù)據(jù)的時空連續(xù)性。
目前，大華、宇視、曠視、商湯、依圖、云從、阿里、云天勵飛等涉及AI業(yè)務的企業(yè)幾乎都有這項技術，有很強的市場成熟度。
兩者提取的特征點不同
步態(tài)識別提取的特征點包含兩個方面，一方面是提取靜態(tài)的內(nèi)部特征，如身高、頭型、腿骨、關節(jié)、肌肉等生理結構，這些特征相對比較穩(wěn)定，在很長一段時間，都不會發(fā)生大的變化；
第二方面，是提取人的動態(tài)特征，比如走路姿態(tài)、手臂擺幅、晃頭聳肩、運動神經(jīng)敏感度等，這些動態(tài)特征與身體屬性密不可分，很長一段時間內(nèi)也會相對比較穩(wěn)定。但是，這些動態(tài)特征的提取與處理難度也更大。
行人重識別依靠行人的整體姿態(tài)來做檢索，主要提取靜態(tài)的外部特征，比如穿著、背包、發(fā)型、雨傘等，通過分析行人的穿著和體態(tài)來識別人。
但是，這些靜態(tài)的外部特征很容易發(fā)生改變，比如整體外型發(fā)生變化，換了衣服、發(fā)型、帽子、鞋子，甚至是偽裝姿態(tài)、體型等等，那么，行人重識別在此時能發(fā)揮的作用就比較有限。
算法模型訓練不同
銀河水滴技術總監(jiān)張曼博士在CPS中安網(wǎng)的《安防微課》中，對步態(tài)識別技術的技術原理和算法訓練進行了詳細介紹。
步態(tài)識別技術，首先是用攝像頭對人走路的過程進行數(shù)據(jù)獲取，然后進行數(shù)據(jù)的檢測和分割，也就是說將人形區(qū)域和背景區(qū)域剝離開來。
然后把行人在整個行走過程中的每一幀畫面進行步態(tài)分割，形成整個走路周期，然后再對步態(tài)的特征進行提取和表達，后跟步態(tài)數(shù)據(jù)庫中的數(shù)據(jù)進行比對和識別。
行人動態(tài)信息較多，每一個環(huán)節(jié)其實都是一個非常難的問題。比如在數(shù)據(jù)獲取階段，怎么獲取數(shù)據(jù)，怎么構建步態(tài)識別的數(shù)據(jù)庫；在獲取到數(shù)據(jù)后怎么分割前景和背景，怎么讓它更精確；在特征表達的階段，怎么解決跨視角的識別問題等等。
銀河水滴研發(fā)一套大規(guī)模的步態(tài)識別系統(tǒng)，涵蓋軟件“步態(tài)識別互聯(lián)系統(tǒng)4.0”和硬件“小規(guī)模檢索步態(tài)識別一體機”、“大規(guī)模檢索-步態(tài)抓拍盒子&陣列”，將海量的視頻數(shù)據(jù)接入到步態(tài)識別系統(tǒng)中，利用抓拍盒子、抓拍陣列等硬件的處理，將原始的視頻進行固態(tài)的結構化處理。
現(xiàn)在的一些核心算法，包括超精度的目標分割，能達到的精度已經(jīng)跟人眼差不多；還有極速的目標檢測，以及跨視角的識別精度都已經(jīng)處在世界*。
除此之外，步態(tài)識別技術還需要龐大的貼近實際場景的步態(tài)數(shù)據(jù)庫，銀河水滴參與和創(chuàng)建公開、自有的步態(tài)數(shù)據(jù)庫，目前還與*和司法系統(tǒng)共同推進造庫計劃，大規(guī)模地將*的步態(tài)數(shù)據(jù)采集入庫。
行人重識別ReID方面，依圖科技近在該領域有了新突破，為此，在這里以依圖科技的算法水平作為參考進行闡述。
在行人重識別技術領域，*命中率(Rank-1 Accuracy)和平均精度均值(Mean Average Precision，mAP)是業(yè)內(nèi)公認的衡量算法水平的核心指標。
在三大ReID公認數(shù)據(jù)集Market1501、DukeMTMC-ReID、CUHK03上，依圖將衡量算法性能的兩大關鍵指標“*命中率”(Rank-1 Accuracy)及“平均精度均值”(Mean Average Precision，mAP)的六項數(shù)據(jù)全部提升，刷新世界記錄。
*命中率高，意味著算法能夠在眾多圖像中準確找出容易識別或者匹配的那張，并不能反應模型的真實能力，尤其是應對復雜場景的表現(xiàn)；
而平均精度均值mAP值越高，說明系統(tǒng)的實用性越好，既能查得全也能查得準，能夠較好地應對多遮擋、光線暗、畫面模糊等情況。
因此，評價行人重識別算法性能時需要結合mAP值，它反映的是系統(tǒng)的綜合檢索性能。
依圖科技深度優(yōu)化了ReID算法框架，提升了算法效率，通過結合AutoML等前沿技術，進一步實現(xiàn)了模型參數(shù)的自動搜索與迭代，突破了依賴算法研究員手工設計與調(diào)優(yōu)的傳統(tǒng)算法開發(fā)流程，在降低人力成本的同時，使得算法的泛化性能更強。
兩者面對的挑戰(zhàn)不同
步態(tài)識別具有非接觸、遠距離和不容易偽裝的優(yōu)勢；但在落地應用時，步態(tài)識別需要隨機采樣大量的時序步態(tài)數(shù)據(jù)進行模型學習，建步態(tài)庫，然后根據(jù)步態(tài)數(shù)據(jù)提供系統(tǒng)解決方案。
在前期建庫采集數(shù)據(jù)的時候，步態(tài)識別的正面識別率低，容易受到性別、步長、節(jié)奏、速度等的干擾；同時，相機角度、天氣條件、遮擋物、附屬物、道路崎嶇、甚至衣服光照等都會影響準確性；比較難獲取年齡、性別等信息，而且非普遍性，如殘疾人不適合步態(tài)識別技術。
那么在落地商用的過程中，大多數(shù)監(jiān)控場景都是比較復雜的，可能存在多個運動物體，行人圖像容易受天氣、光照等外界因素的影響，而有所變化。
以日照條件下運動目標的影子為例，它可能與被檢測的目標相連，也可能與目標分離。如果是前者，影子扭曲了目標形狀，使基于輪廓的步態(tài)識別方法不可靠；如果后者，影子可能被誤認為是場景中一個錯誤的目標。
因此，在實際場景下的步態(tài)檢測面對的挑戰(zhàn)不小。
銀河水滴為了應對這些挑戰(zhàn)，推出了一系列產(chǎn)品和解決方案：步態(tài)檢索智能一體機“水滴神鑒”，步態(tài)識別、檢索與追蹤系統(tǒng)“水滴慧眼”，步態(tài)抓拍盒子,步態(tài)人臉抓拍機,WATRIXBOX等。
通過采取三種不同的模式來建立實戰(zhàn)的步態(tài)數(shù)據(jù)庫：
步態(tài)人臉自動建庫(武漢模式)：采集對象：有人臉信息的在逃人員/重點人員
步態(tài)采集系統(tǒng)(上海模式)：采集對象：未來需關注的重點人員
未破獲案件視頻庫(重慶模式)：采集對象：無人臉信息的在逃人員/重點人員
同時，在解決方案中還融合多種技術，包括ReID、足跡辨別、人臉識別、電子圍欄、視頻結構化等。
這些產(chǎn)品和解決方案，讓銀河水滴的步態(tài)識別技術在派出所、看守所、監(jiān)獄、公安刑事案件等領域中得到應用，為人臉識別提供較大的補充。
行人重識別是需要利用大量單個人體同一時段不同監(jiān)控下的圖像信息進行模型學習。在用于監(jiān)控場景中相對較短時間內(nèi)的行人識別，精度較高，算法速度可達到毫秒級別。
在真實場景下，ReID算法需要做到在跨時間段、跨場景、跨不同成像質(zhì)量的圖像采集設備下進行高精度的快速識別，而這些攝像機所覆蓋的范圍彼此并不重疊，導致缺乏連貫的信息。
而且在不同畫面中，人物的姿態(tài)、行為及外觀會發(fā)生較大變化，不同時間、場景的光照、背景和遮擋物各不相同，背景中還常有體型、衣著相似的其他人物干擾；攝像機的分辨率也有高有低，人物在畫面中出現(xiàn)的位置有遠有進,這些都對ReID技術提出了挑戰(zhàn)。
行人的姿態(tài)多變導致人臉上廣泛使用的對齊技術也在ReID中失效。行人的數(shù)據(jù)獲取難度遠遠大于人臉識別數(shù)據(jù)獲取難度，而行人的信息復雜程度又遠遠大于人臉，這兩個因素疊加在一起，使得ReID的算法研究變得更加困難，也更加重要。
通過算法的有效設計，降低對數(shù)據(jù)依賴來實現(xiàn)ReID效果的突破是現(xiàn)在業(yè)內(nèi)的共識。這不僅對算法提出更高要求，也需要更高效的芯片提供強大的算力支持，二者缺少任意一個，都會影響行人重識別的實際應用價值。
依圖在2017年投入云端AI芯片QuestCore™(求索)的研發(fā)，并于2019年5月“發(fā)布即商用”。QuestCore™是首顆云端視覺AI芯片，提供強大算力，單路攝像頭功耗不到1W。
在行人重識別實戰(zhàn)應用中，依圖研發(fā)人員對算法做了進一步優(yōu)化, 依托依圖自研AI芯片, 在僅憑穿著、體態(tài)特征的條件下，已能將行人重識別技術做到2017年~2018年人臉識別的精度。
在智慧城市領域，ReID技術能通過軌跡還原功能，快速篩查可疑人員并進一步鎖定出行區(qū)域，進而做到精準預防和打擊。
應用到智能園區(qū)和智能交通領域，ReID可對于陌生人等可疑人員進行*刻畫，有效保障園區(qū)安全；
在人流密集的超市、園區(qū)等大型公共場所，ReID能夠幫助實現(xiàn)不慎走失的兒童、老人的迅速查找；
在地鐵站、機場等交通樞紐區(qū)域，ReID技術可以配合人臉、局部的動作和姿態(tài)進行快速識別，大幅提升人員過檢速度。
在智能交通領域，ReID有助于在道路、車輛和駕駛員之間建立快速的智能通信聯(lián)系，形成人、車、道路的完整調(diào)動閉環(huán)，精準感知交通路口各個方向的車輛數(shù)量、流量和密度，為交警決策提供準確依據(jù)；
在無人駕駛領域，ReID可有效對車輛、行人、障礙物、道路以及交通信號燈和交通標識進行感知，構建真正智能的交通體系，帶給人們更加安全、便捷的出行體驗。
結語：
在數(shù)據(jù)時代，AI技術賦能視頻監(jiān)控后，視頻圖像可以全面看、自動看、關聯(lián)看，可以跨系統(tǒng)、跨區(qū)域，而且算得快、識得準。
無論是人臉識別、虹膜識別、指紋識別和步態(tài)識別等生物識別技術，還是圖像檢索的行人重識別技術，通過計算機視覺或機器學習的方式，發(fā)展到如今，都各有所長，彼此互補。
步態(tài)識別、行人重識別雖然有很多的不同，但它們在人臉識別不能發(fā)揮效用的時候，都能起到重要的補充識別作用。
而且，這些識別技術在實際落地應用的時候，若要發(fā)揮更大的效能，是需要彼此融合、彼此學習，不能完全割裂或獨立。
相信在不久的將來，多種識別技術彼此結合，能滿足市場更多更豐富的場景應用需求。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
