行人重识别技术简称Person-ReID,通过计算机视觉技术检索不同摄像头下的同一个目标行人。该技术对人工智能在实际业务落地中有着巨大的实用价值,因不同摄像头下图像拍摄角度、分辨率、目标姿态、障碍物遮挡、光照不均存在差异,容易导致同一目标漏拍、识别不准。大华基于在车辆和行人重识别方面多年的技术积累,在以下三个方面取得关键技术的创新突破,助力AI更好地落地应用。
大华股份AI行人重识别技术,继2018年取得公开数据集排名和PRCV2018大规模行人检索竞赛第一之后,近日再次取得新突破:在三大国际权威公开数据集Market1501、DukeMTMC-reid和CUHK03上,关键指标mAP分别达到91.98%、83.96%、85.72%,刷新历史最好成绩记录,在该算法领域持续保持领先。今年,大华股份AI在国际竞赛中已斩获语义分割、实例分割等多项第一。
大华行人重识别技术在公开数据集指标
行人重识别技术简称Person-ReID,通过计算机视觉技术检索不同摄像头下的同一个目标行人。该技术对人工智能在实际业务落地中有着巨大的实用价值,因不同摄像头下图像拍摄角度、分辨率、目标姿态、障碍物遮挡、光照不均存在差异,容易导致同一目标漏拍、识别不准。大华基于在车辆和行人重识别方面多年的技术积累,在以下三个方面取得关键技术的创新突破,助力AI更好地落地应用。
首先,大华创新应用图像数据增强方法,其主要包括随机模糊和随机截补等策略,能够有效地模拟各种环境下的人体遮挡、模糊和不完整等复杂情况。随机截补策略有助于挖掘分块部件网络的特征提取潜力,提升网络的特征匹配性能。
其次,针对多分支部件网络中特征粒度差异问题,采用一种递进式部件网络模型PPM(ProgressivePartModel),各分支之间除了共享的基础卷积网络部分,还存在一种级联的语义关系。
递进式分块网络
最后,在设计的PPM网络中,通过重叠采样操作促进各部件分支提取更显著的特征信息,应用改进的损失函数学习出基于球面约束的特征嵌入空间。另外,在PPM特征层加入基于Attention打分机制的分支,使网络能够自适应地从各分支中融合人体多粒度特征。
该行人重识别技术已在大华视频结构化
摄像机、视频结构化解析服务器等系列产品中成功应用,在超大规模行人、非机动车和机动车的以图搜图性能方面保持领先水平,广泛应用于智慧城市、楼宇、商超等场所的目标定位,降低用户成本,提升工作效率及视频拓展应用价值。