智能视频监控关键技术:行人再识别研究综述

行人再识别(person re-identification, ReID)旨在解决跨摄像头跨场景下目标行人的关联与匹配, 作为智能视频监控系统的关键环节, 对维护社会公共秩序具有重大作用. 为了深入了解行人再识别研究现状和加速推进国内行人再识别相关研究及技术落地, 本文对该领域国家自然科学基金申报数量、资助力度以及地理分布情况进行统计, 并针对近年来发表在国际顶级会议和期刊上的行人再识别研究进行全面梳理. 具体地, 首先阐述一个标准行人再识别算法流程, 并总结其中3个关键技术:表征学习、度量学习和重排序优化. 随后, 列举了实际开放场景中面临的主要难点与挑战, 并据此概括了7种开放行人再识别任务:遮挡、无监督、半监督、跨模态、场景行人搜索、对抗鲁棒和快速检索. 此外, 本文整理了标准行人再识别和开放行人再识别的代表性数据集, 并且对一些代表性行人再识别算法进行比较. 最后本文对行人再识别的未来发展趋势进行展望.

随着社会和经济的快速发展, 城市公共安全问题受到越来越多的关注. 视频监控作为保障城市安 全的重要技术手段, 被广泛应用于街道、学校、商场等人流密集的公共场所. 城市视频监控网络每时 每刻都在获取视频数据, 目前的视频监控技术主要以 “人工分析” 为主, 结合简单的智能化方法来处理 分析视频数据, 这导致了诸如 “视频在、找不到”, “找得到、找太久”, “有服务、不可靠” 等视频监控技 术应用的瓶颈. 因此, 如何实现智能视频监控, 尤其是对行人数据的智能处理、可疑行为的自动研判, 是新时代公共安全领域的迫切需要.

如图 1 所示, 智能视频监控利用模式识别和计算机视觉技术对海量监控数据进行处理和分析, 在 不需要人力干预的前提下, 能够实现对监控目标的自动检测、跟踪以及识别. 行人再识别 (person reidentification, ReID) 作为智能视频监控体系中的关键一环, 旨在解决跨摄像头跨场景下目标行人的关 联与匹配. 具体而言, 图 1 中摄像机 1 捕获的目标行人作为待查询对象, 摄像机 2∼4 拍摄的行人图像 组成候选图库, 将待查询对象与候选图库中的行人逐个匹配, 并在候选图库中找到与待查询行人相同 类别的行人, 从而实现跨摄像头跨场景下目标行人关联与匹配.

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RIDS” 就可以获取《智能视频监控关键技术:行人再识别研究综述》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源