从“识脸”到“识人”，云从科技跨镜追踪击败腾讯微软

3月1日，人工智能企业云从 科技 宣布在跨镜追踪技术（ReID,Person Re-identification）上再次取得重大进展，在三大主流ReID数据集Market-1501、DukeMTMC-reID、CUHK03上超过阿里巴巴、腾讯、微软、中科院自动化所等企业与科研机构，创造新的世界纪录。

这是继去年云从 科技 刷新跨镜追踪技术世界纪录后，再一次在该领域领跑全球。本次云从 科技 研究团队在三大数据集的两大核心指标mAP与Rank-1准确率上均取得第一，其中在Market-1501数据集上的mAP远超目前业内顶尖水平, 达到了91.14%。

云从 科技 于2015年在广州南沙新区注册成立，在刚刚公布的《粤港澳大湾区发展规划纲要》中，多次提及“人工智能”，其中，在“打造广州南沙粤港澳全面合作示范区”中表示，共同将广州南沙打造为华南 科技 创新成果转化高地，积极布局新一代信息技术、人工智能、生命 健康 等 科技 前沿领域，培育发展平台经济、共享经济、体验经济等新业态。

跨镜追踪：从“认脸”到“识人”

电影《速度与激情7》里的“天眼”系统，可以整合、调取全球所有的视频监控、手机音频等数据，再使用大数据和人脸识别等技术的迅速分析和处理，在极短的时间内(以秒计算)找到目标人和目标车辆进行追踪，让目标人或物无所遁形。

然而，这也有一个漏洞：因为有的角落或低头的角度使得摄像机无法获取完整的人脸，如果犯罪分子熟悉摄像头位置，就很有可能会避开镜头，低头开溜。这时候就需要靠下面这项技术了。

跨镜追踪（ReID）技术能够识别人的服装穿着、体态与发型等，主要解决跨摄像头跨场景的情况下行人的识别、追踪与检索。因为有着丰富的应用场景，是计算机视觉研究的热门领域。

自主算法再创三项世界纪录

在跨镜追踪（ReID）技术研究领域，首位命中率（Rank-1 Accuracy）和平均精度均值（Mean Average Precision，mAP）是衡量算法水平的核心指标，其中平均精度均值（mAP）更能综合反映算法在真实场景中应用的能力。

云从 科技 原创的“飞龙R2”算法方案在Market-1501，DukeMTMC-reID，CUHK03三大数据集中，mAP关键指标分别达到了91.14%、83.31%、81.06%，相较于目前业内顶尖水平有着近3%-4%的提升，Rank-1关键指标分别也达到了业界最好水平（该结果是在不引入额外数据，不利用测试集时空信息，不进行重排再优化等条件下取得）。

寻找更多应用落地，提供个性化服务和精准营销

随着人脸识别技术应用落地的成熟，行业开始寻求更多技术应用的可能性。跨镜追踪技术作为人脸技术的重要补充和扩展，越来越多互联网巨头和 科技 独角兽开始意识到它的重要性，并逐渐在跨镜追踪研究领域投入资源。

云从 科技 作为这一领域较早的 探索 者和布局者，在跨镜追踪和其相关技术上，如行人检测、行人检索、行人轨迹跟踪、行人属性结构化、行人动作检测和识别等，都拥有大量技术经验积累。在经历了技术不断成熟的阶段后，为了让技术产生应用价值，云从开始致力于产品化 探索 和商业应用落地。经过一年的努力，云从已经拥有了面向不同行业场景的技术方案和商业产品。

例如跨镜追踪系统可以帮助公安视频侦查实现人脸、人体图像与数据联结，强化轨迹追踪功能，深化公安视频图像应用能力。

在新零售场景中，跨镜追踪技术可以让“人”与“场”之间的关系数据有办法被收集并以可视化的方式重现。在云从 科技 为智能门店提供的解决方案中，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。同时，也为线下针对用户的个性化服务和精准营销提供了可能。

打造AI技术闭环，人工智能五步走

智能感知、大数据技术与五步发展理论，是云从 科技 打造核心技术闭环，领跑人工智能行业发展的基础与路径。

2018年10月的国家“人工智能基础资源与公共服务平台”发布会上，云从 科技 创始人周曦提出了从学术研究到智能生态的人工智能发展五个阶段，核心技术闭环是五个阶段的重要基础。

目前，云从 科技 承担了国家发改委与工信部的人工智能基础平台、人工智能应用平台和人工智能的核心芯片平台项目，并建立包含人脸识别、跨镜追踪、车辆识别、姿态识别、语音识别、文字识别等智能感知技术和大数据分析等认知决策技术为核心的技术闭环，并刷新多项世界纪录，保持自主核心技术国际领先。

在这个基础上，云从 科技 正在致力整合算力、智力、数据等资源及其成果，打造人工智能开放平台与生态，进一步促进人工智能在金融、安防、交通、零售、商业等重要行业的落地与深度融合。

【作者】 郜小平

【来源】 南方报业传媒集团南方+客户端

随着计算机视觉的发展及其在日常生活中的广泛应用，基于各种算法的行为检测和运动识别项目在实践中得到越来越多的应用，并在相关领域得到了广泛的研究。在行为监控方面，不仅仅是图形、温湿度、声音等信息。用于监控蜜蜂的行为，但更多的应用集中在对人类行为的监控。人体姿态识别作为行为监控的重要参考，已经广泛应用于视频采集、计算机图形学等领域。其中，传统的人体姿态识别方法有RMPE模型和掩膜R-CNN模型，这两种方法都是自顶向下的检测方法。Openpose作为姿态识别的经典项目，是自底向上的检测方法，主要应用于行为监测、姿态修正和动作分类，在智能家居、自动驾驶、智能监控等领域具有重要的研究意义和应用价值。

在多人目标的手势识别方面，历史上常用的方法有自上而下搜索候选关键点，用空间连接优化算法进行人的匹配，通过建立部分亲和场由关键点检测人体骨架连接等。

针对当前行为监测中准确率低、效率低的问题，该项目结合openpose手势识别技术，通过不同肢体之间的协调关系构建分类算法。通过比较不同的分类算法，选择最优模型构建多目标分类方法，最终实现手势显示、目标检测和多目标分类的实时显示。在该模型中，调用轻量级openpose模型来识别人体姿态。主要方法是通过openpose获取人体骨骼的关键点，然后通过欧氏距离匹配两块骨骼，检测出每个人。对于常见检测中缺少的关键点，可以用前一帧的骨骼信息来填充。

---