近期，业内几大主流AI企业相继曝出在三大权威主流ReID公开数据集CUHK03、DUKE-MTMC和Market1501刷新新记录的好消息。
以Market1501公开数据集的首位命中率测试结果为例，相较于前两年平均值在96.5%+的评测记录，2020年各企业ReID算法关键指标首位命中率(RANK1 Accuracy)和平均精度均值(Mean Average Precision,mAP)最新记录均有了较为明显的提升，平均值分别逼近98.6%+、97%+。
表：权威主流ReID公开数据集性能比较(2020最新数据)
数据来源企业官方新闻
数据提升的背后，预示着业界关于行人重识别ReID算法的研究迎来了持续的新突破，诸多实际应用场景有望凭借算法的突破升级迎来进一步的落地应用。
行人重识别(Person ReID)是指对不同摄像机捕捉到的行人图像建立身份对应关系(即关联行人ID)，对行人实现在整个场景下的行动路线的全面刻画。简单来说，在看不到人脸的复杂多场景下也能通过体态、着装、配饰等细节特征等对人进行跟踪识别。
相较于人脸识别技术，ReID对人体图像的遮挡、朝向和清晰度具有较高的鲁棒性，很大程度上降低了对摄像头的清晰度、架设位置、角度等局限性要求，在实战过程可以发挥更好的技术突围作用。ReID技术也正被看做是继人脸识别之后计算机视觉领域的又一热门课题。
ReID技术推进的现实意义
ReID技术的不断突破，对推进该项技术在诸多场景的实际应用有着极大的现实意义。笔者对此也特别咨询了在ReID技术研究方面取得重大的突破的云从，云从举例表示，以公安视频侦查的应用为例，安防视频监控系统点位众多，但有的因为安装角度、分辨率等因素的影响，摄像头拍不到人脸只能拍到大概的体态影像，可以基于ReID技术通过体态、衣着等特征找寻嫌疑人。
与此同时，ReID可实现跨镜头、跨时间、跨空间的目标人物追踪，结合人像大数据技术，可快速勾画出嫌疑人的行踪轨迹，有效助力公安部门通过视频监控系统来展开案件侦查。
另外，近年来伴随着商业领域精细化营销的展开，ReID技术在商业领域还可以用于顾客行为轨迹追踪分析，协助商家分析客户行为，理解商业意图。
值得一提的是，在今年度爆发的新冠疫情当中，ReID技术的投入使用也为疫情防控带来了创新的技术手段，对超温、疑似/确诊病例的追踪起到了很好的技术辅助作用,及时阻断疫情传播,降低风险。
行人重识别ReID技术难点
也正是因为ReID技术有着极高的实战应用价值，目前业内主流的AI企业基本都有展开关于ReID技术的研究，围绕着ReID算法、算力、数据及应用等各方面展开积极。不过，技术研究仍然存在很高的复杂性，据云从提到，目前行人重识别ReID技术研发难点主要在这些方面：
(1)现实中行人照片会存在各种困难，例如遮挡，黑白到彩色，换装等，比较会影响算法效果；
(2)ReID因为要求跨摄像头，隐私等原因，数据采集难度大，对算法提出了在少数据上训练出高鲁棒性的模型的极高的要求；
(3)商业落地需要围绕ReID打造一些列相关技术矩阵，涉及到工程、算法、硬件、产品形态等多方面，对于小公司来说难度较高。
此前，腾讯优图也表示，跨场景识别的难点在于，不同场景由于环境光照、摄像头角度、背景等因素，例如室内大型商场、小型门店的侧面和高俯角相机、室外道路、社区的强光和夜晚环境等，都会对人体图像的视觉特征造成影响。
小结
如何让ReID技术适应复杂多变的场景，实现跨场景行人图像的检索，是一项重大的技术挑战，也是实现室内外行人动线联动、全城联动的关键性技术。突破此技术难点对拓展ReID的落地场景和业态，实现大规模行人识别有巨大的作用。