疫情卷土重来，戴口罩人脸识别背后的杀手级技术能否规模商用？

（文/电子发烧友网 张慧娟）今年自疫情发生以来，非接触人脸识别体温测量系统被大量应用，特别是在人流密集区域，既提升了筛查效率，也便于进行体温异常人员的定位与溯源。

不过，虽然人脸识别技术可有效对确认病例、疑似病例、密切接触者、疫区人员进行追踪，但是由于佩戴口罩甚至护目镜，识别效率大打折扣。于是，许多企业通过ReID（行人重识别）技术进行辅助，实现人员轨迹定位和确认。在戴口罩的情况下，ReID技术可依靠人的整体姿态进行检索，通过分析穿着和体态，锁定目标人员，将排查的时间由数天缩短至数秒。

ReID已在安防领域大显身手

事实上，早在疫情应用之前，ReID已经在公共安防领域展现出很高的应用价值。

虽然我国人脸识别摄像机已经遍布城市，但仍有许多可能“失灵”的场景：面对反侦察能力强的嫌疑人，现有的视频监控系统很难成为助力：摄像头覆盖角度有限、分辨率低、面部信息捕捉不足、嫌犯行迹追踪困难都成为了人脸识别摄像头在公安领域应用的典型难题。ReID技术正是在特殊人群检索的巨大需求下应运而生。

ReID技术也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。即通过一个监控行人的图像，即可检索跨设备下的该行人图像。旨在弥补固定摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，广泛应用于智能视频监控、智能安保等系统，能够在警务实战中为人脸识别技术提供有力补充。

算法纪录被不断刷新，但还需继续提升

ReID技术在业内受到越来越多的关注，不管是老牌的安防企业，还是AI独角兽，或是互联网巨头BAT，都通过算法、数据等多个方面在这项技术上进行布局和积累，挖掘更大的市场潜力，以期在未来更大的智能布局中奠定稳固基础。

近两三年，阿里、中兴、云从、海格星航、澎思科技、依图等公司，刷新ReID数据集世界纪录的新闻屡见报端。

在ReID这个赛道上，有三个公认的权威主流公开数据集，即CUHK03、DUKE-MTMC和Market1501。几乎所有的ReID竞赛都会在这三个数据集中进行测试。在此基础上，所有厂商的ReID技术能力一目了然。

表：国内主流ReID厂商算法性能指标对比
（<电子发烧友>据公开数据集整理，2020.6.17制表。若有遗漏或修正，欢迎指出）

在此基础上，需求方能够直观估算算法的实用价值。不过需要指出的是，Rank1命中率高，只意味着算法能够在众多图像中准确找出最容易识别或者匹配的那张，并不能反映模型的真实能力，尤其是应对复杂场景的表现。因此，评价ReID算法性能时需要结合mAP值，它反映的是系统的综合检索性能。mAP值越高，说明系统的实用性越好，既能查得全也能查得准，能够较好地应对多遮挡、光线暗、画面模糊等情况。

不过目前为止，即便是在Duke-MTMC中mAP值最高的腾讯优图，也只达到91.1%。比起人脸识别，显然还有非常大的进步空间，具体到商用落地，还有诸多难点需要突破。

ReID落地三大难题

对行人的识别并不比人脸识别容易。

首先，人脸的五官、脸型相对比较固定，但是行人在不同动作时的姿态变化很大，这给准确识别增加了很多难度。其次，根据体态、穿着来判断行人。如果很多人穿着同样的衣服，识别难度进一步增大。此外，遮挡、光线、摄像头分辨率低等，都是ReID技术要解决的实际问题。

除了上述实际应用场景下的现实问题，像现在AI领域的其他技术一样，ReID对于数据的依赖也在限制它的进一步应用。尽管安防行业时刻在产生海量数据，但公开数据库经标注的数据却十分稀少，导致ReID目前可用数据集非常小。与人脸识别动辄百万乃至千万级且身份信息多样的数据集相比，数据集较小的ReID技术仍需不断提升。

此外，在实际场景中的ReID任务，不仅对数据集、算法有要求，更需要能够部署在前端摄像头中的大算力、低功耗的芯片提供支持。由于前端设备内的空间有限，再加上功耗、成本等因素的限制，智能前置会受硬件计算资源限制，只能运行相对简单的、对实时性要求很高的算法；另一方面算法演讲非常快，后期的运维有一定的挑战。虽然视频监控的前端智能已然成为了AI芯片厂商和老牌安防巨头的必争之地，但受制于上述因素，AI芯片在大规模普及应用方面仍有较大挑战。就像人脸识别一样，目前主流的方式仍是采用云边一体的方式，即前端抓拍，分析、检索在后端进行，从成本、功耗等各方面都是比较折中的方式。

疫情能否加快ReID商用脚步？

疫情发生后，旷视推出了人体识别+人像识别+红外/可见光双传感”的解决方案。主要通过人像聚类和人体ReID技术，把红外测温卡口相机、人脸卡口相机和治安卡口相机中采集到体温、人脸图和人体图数据融合联动，实现实时追踪定位人员轨迹。

腾讯优图结合口罩下的人体识别，辅助社区进行人员管理和排查。疫情期间，绝大多数外出人员均会佩戴口罩，人脸识别技术对于佩戴口罩的人员成功率会有所下降。对于社区一线工作人员来说，人脸识别技术对佩戴口罩的人员身份确认失败，会大大增加他们的排查登记工作量。腾讯优图联合腾讯海纳，利用人体特征和人脸识别相结合的方式，将传统人脸识别方式下无法溯源的戴口罩出入人员进行确认，从而提升社区工作人员摸排登记外来人员的效率。

正如上述两大厂商的策略一样，目前各家做ReID几乎都是把人脸识别和行人识别绑定起来，通过人脸进行ID识别认证后，经已有的绑定匹配到人体，再和治安监控的数据串起来实现融合联动的识别和追踪。

也正因为如此，ReID当前更像是人脸识别一个锦上添花的功能。

不过，这并不意味着它没有新的空间。例如疫情期间乘坐高铁，刷身份证进站时还是需要摘下口罩进行人脸识别。如果融合了ReID，就可以在出行当天，在家中或人流较少的场地，拍下自己的当天的穿着和人脸。那么在进站时，就无需再摘下口罩进行认证了。这是当前一个可能的应用场景。

此外，ReID在某些场景中也有助于降低成本。由于人脸识别对摄像头分辨率要求较高，至少需要1080P以上，导致人脸抓拍机的硬件成本较高。而ReID对像素并无过高要求，传统的球机抓拍即可。因此在某些封闭场所，如大型商超，可以将人脸识别与ReID进行绑定后，就可以降低人脸抓拍机的部署量，从而节约一定的成本。以北京某商业街区人脸抓拍机、车辆微卡口机以及传统的治安监控球机的分布比例来看，大约是人脸5-10%，车辆微卡口10%，球机80-85%。而在二三四线城市的商业街区，受成本所限，人脸抓拍机的使用率可能更低，传统球机更多些。而这都有ReID的应用空间。

新零售场景，是业内目前公认的一个落地场景。通过ReID提供的跨镜追踪技术，可以让“人”与“场”之间的关系数据被收集并以可视化的方式重现。便于商家对用户画像和用户行为有更强的感知，从而能够做出更准确的商业决策。此外，在公共场所的智能寻人也是ReID比较具象的应用场景。

为了使ReID的商用范围进一步扩大，业界主流厂商都已经参与到了相关技术矩阵的研发中心，涉及工程、算法、数据库、硬件、产品形态等多方面。其中，有限的数据库是当前的突出的问题之一，因为只有足够大的数据库才能在实战中给予支持，这也成了业界一致努力的方向。近两个月来，旷视研究院、京东AI研究院相继开源了基于PyTorch的ReID开源库，这对于相关领域的研究以及工程部署，都具有积极的意义。

本文由电子发烧友网原创，未经授权禁止转载。如需转载，请添加微信号elecfans999.