大華股份AI行人重識別技術(shù)，繼2018年取得公開數(shù)據(jù)集排名和PRCV2018大規(guī)模行人檢索競賽第一之后，近日再次取得新突破：在三大國際權(quán)威公開數(shù)據(jù)集Market1501、DukeMTMC-reid和CUHK03上，關(guān)鍵指標(biāo)mAP分別達到91.98%、83.96%、85.72%，刷新歷史最好成績記錄，在該算法領(lǐng)域持續(xù)保持領(lǐng)先。今年，大華股份AI在國際競賽中已斬獲語義分割、實例分割等多項第一。

大華行人重識別技術(shù)在公開數(shù)據(jù)集指標(biāo)

行人重識別技術(shù)簡稱Person-ReID，通過計算機視覺技術(shù)檢索不同攝像頭下的同一個目標(biāo)行人。該技術(shù)對人工智能在實際業(yè)務(wù)落地中有著巨大的實用價值，因不同攝像頭下圖像拍攝角度、分辨率、目標(biāo)姿態(tài)、障礙物遮擋、光照不均存在差異，容易導(dǎo)致同一目標(biāo)漏拍、識別不準(zhǔn)。大華基于在車輛和行人重識別方面多年的技術(shù)積累，在以下三個方面取得關(guān)鍵技術(shù)的創(chuàng)新突破，助力AI更好地落地應(yīng)用。

首先，大華創(chuàng)新應(yīng)用圖像數(shù)據(jù)增強方法，其主要包括隨機模糊和隨機截補等策略，能夠有效地模擬各種環(huán)境下的人體遮擋、模糊和不完整等復(fù)雜情況。隨機截補策略有助于挖掘分塊部件網(wǎng)絡(luò)的特征提取潛力，提升網(wǎng)絡(luò)的特征匹配性能。

其次，針對多分支部件網(wǎng)絡(luò)中特征粒度差異問題，采用一種遞進式部件網(wǎng)絡(luò)模型PPM（Progressive Part Model），各分支之間除了共享的基礎(chǔ)卷積網(wǎng)絡(luò)部分，還存在一種級聯(lián)的語義關(guān)系。

遞進式分塊網(wǎng)絡(luò)

最后，在設(shè)計的PPM網(wǎng)絡(luò)中，通過重疊采樣操作促進各部件分支提取更顯著的特征信息，應(yīng)用改進的損失函數(shù)學(xué)習(xí)出基于球面約束的特征嵌入空間。另外，在PPM特征層加入基于Attention打分機制的分支，使網(wǎng)絡(luò)能夠自適應(yīng)地從各分支中融合人體多粒度特征。

大華視頻結(jié)構(gòu)化服務(wù)器以圖搜圖應(yīng)用效果

該行人重識別技術(shù)已在大華視頻結(jié)構(gòu)化攝像機、視頻結(jié)構(gòu)化解析服務(wù)器等系列產(chǎn)品中成功應(yīng)用，在超大規(guī)模行人、非機動車和機動車的以圖搜圖性能方面保持領(lǐng)先水平，廣泛應(yīng)用于智慧城市、樓宇、商超等場所的目標(biāo)定位，降低用戶成本，提升工作效率及視頻拓展應(yīng)用價值。