在很多的警匪电影中，你可能会时常看到当公安需要追查一个失踪人员，或者是定位一个犯人的时候，就会使用公安系统布局在城市里每一处的摄像头，进行识别追踪。然后通过公安系统庞大的人像数据库分析后，就能够得到需要寻找人的位置。

　　是不是每次看到这类镜头都会感到很神奇呢?其实这么神奇的技术里面，就有着跨镜追踪(ReID技术)的应用，它不仅能够识别人脸，还能够根据人体的行为方式，体态和发型等进行搜索追踪。

　　ReID技术也叫跨镜追踪，其全写是Re-identification，从其字面意思可以理解出，就是对于监控镜头下的物体进行重新识别和辨认。

　　如对人物的识别，能够辨认出人的服装穿着、体态和人体其他代表性特征。它可以通过跨摄像头镜头，来对行人进行识别、追踪和检索。用来作为对人脸识别技术的重要补充，对于无法捕捉到清晰人脸的行人，可以采用跨镜头持续进行跟踪。

　　由于跨镜追踪(ReID技术)发挥空间大，有着很大的实用价值。目前跨镜追踪(ReID技术)已经广泛的应用于商业、安防、交通、金融等领域。

　　作为老牌的安防公司如海康、大华，以及AI四小龙的商汤、旷视、依图、云从，还有传统的互联网巨头BAT、华为等，对于ReID技术都是非常的关注与重视，有着自己的布局和积累。

　　对于ReID技术，不仅仅存在于电影速度与激情7里面的“天眼”，它其实贯穿于我们的整个生活，以下就有着几个日常的应用场景。

　　智慧城市追踪嫌犯

　　在该应用场景下，当公安机关知道了嫌犯的照片，却需要掌握充足的证据来证明嫌犯的犯罪事实。虽然有着监控摄像头的视频，但是面对着几百几十个摄像头的时候，庞大的数据量需要耗费很长的时间去寻找。

　　此时就可以使用ReID技术，在有关监控摄像头的视频库里面寻找嫌犯出现的视频段，将其整理串连起来，对于嫌犯的行为轨迹进行整合，那么在公安机关侦破案件的时候起到了很大的作用。

　　智能辨别违规违法驾驶行为

　　当公安机关利用好这一技术，不仅可以在追踪嫌犯的时候可以用上。在道路车辆行驶的时候，不用再通过模糊的图像，人工的仔细辨认驾驶员的驾驶行为，来判定驾驶员是否涉及到违规违法的行为。

　　ReID技术可以通过交通部门设置在各个路口的监控探头，对于通过的车辆进行连续跟拍。如刚更新的交通违法处罚规定，交通管理部门利用监控探头的跟拍，通过ReID技术来分析，对于驾驶员在驾驶时的行为进行识别辨认，然后利用算法来判定是否属于违规违法行为，后续就可以对相关的驾驶员进行扣分罚款的处罚。

　　智能寻人系统

　　在游乐园经常会出现小朋友与父母走失，面对着游乐园络绎不绝的人群，想要在人海中寻找到走失的小朋友，犹如大海捞针般困难。

　　但是当有着庞大的游客人像数据库的时候，可以利用ReID技术，可以寻找到从小朋友进游乐园起的所有行为轨迹图像，然后将其进行串连，就可以找到此时小朋友的位置。这是不是比传统的寻人方式更简单呢?

　　大型商场的安保

　　在大型商场中，如果想要第一时间分析出人的行为，并且对于每一个顾客都有着实时的行为轨迹分析，那么就需要庞大的顾客人像数据库。

　　在该人像数据库的基础上，加上ReID技术的应用，对于顾客在商场公开的范围内，都是可以进行实时行为分析的。如果有着一些行为异常的顾客，那么ReID技术将会着重追踪该人员，并且将其在商场的行为轨迹整合起来进行分析。对于一些能够以行为轨迹进行判断的预发情况，ReID技术会进行提示。

　　如果在商场中出现了一些偷盗等行为，那么商场的安保人员可以利用ReID技术，快速的对该偷窃人员进行追踪，得到其有效的个人身份信息，对后续公安机关的破案也提供了关键的证据。

　　无人超市的监管

　　无人超市作为一种新型的零售模式，由阿里巴巴和京东作为引领者，在全国范围内进行大面积的布局。

　　ReID技术在无人超市的应用，从顾客通过人像识别进入零售店开始，全程都在跟踪每一个顾客，将他们的行为轨迹进行串连储存，对于一些行为异常的顾客，会重点对该顾客进行跟踪。如果有着违反零售店规则的行为，那么是可以进行预警，提醒后台监控人员的。

　　ReID技术

　　ReID技术的应用，是作为未来建设智慧型城市，安全型城市的重要技术之一。在当下深度学习作为人工智能的重点，与ReID技术结合后，实用性获得了广泛的拓展。如ReID与计算机视觉：

　　ReID与计算机视觉

　　通过上述的应用案例，ReID技术所涉及到的视频结构化模式不可或缺的。如今的计算机视觉学也是以此作为实用性进行开展，在与深度学习结合后，计算机视觉对于整个视频的处理，可以分解并且进行结构化起来。但是面对着巨大的数据处理，还需要新的技术才能进行实用，而ReID技术的出现，刚好就可以结合起计算机视觉与数据库。

　　ID技术在进行测试时，需要实际采用一些数据集，而在数据集中有着评价的指标，用来对ReID技术的准确性进行判定。以下有着ReID使用较多的两个评测指标：

　　1.Rank1

　　ReID终归是一个排序的问题，Rank是排序命中率的核心指标。Rank1是首位命中率，就是指排在第一张图里面的有没有命中对象本人。

　　2.mAP

　　mAP的平均精度均值更能全面的评价ReID技术，这一指标是衡量ReID识别的整体均值来进行判断的。

　　在这里详细介绍下评测指标mAP。由于Rank1只需要第一张图片命中就可以，那么其偶然因素必然会存在。而mAP在衡量整个ReID算法的时候，是以体的识别为对象，那么其评测的结果更加全面，影响因素也会减小。

　　在这两组图中，图片1和图片2作为检索图，每张检索图后面的图片下的序号代表着检索位置。

　　那么mAP在计算的时候，检索图后的第一张图作为序号1，将第一张图除以1，第二张图除以排序的实际位置，即2除以3，后续图片依次类推，第五张图就是5除以20了。接着再把计算的值求平均数，然后再除以图片的总数，就得到了其mAP的值大概是0.63。

　　那么根据同样的算法计算出第二张检索图的mAP的精度值是0.756。最后再把所有的图片计算出来的mAP值求平均值，大概是69.45。

　　从该公式就可以看出，最后需要的mAP精度是需要计算整个检索图在底库中所有图片的mAP值，那么只有当该对象在底库中图片的序号都排着前列，并且没有任何人打断其图片的连续性，那么就可以得到最高的精度，当然这种情况的要求是非常高的。所以mAP是比较能够综合体现整个模型的真实性的指标的。

　　近日有着AI四小龙之一的云从科技，在刚落幕不久的华为中国生态伙伴大会上面，就展示了他们在此项技术上的进步。

　　并且云从科技已经超过了目前国内ReID技术强硬的阿里巴巴，腾讯，中科院。其跨镜追踪(ReID技术)打破了三项世界纪录，在mAP与Rank-1的准确率上分别达到了最高记录。

　　ReID在算法里面主要有着三种实现：表征学习，度量学习方案，以及局部特征学习。这三种算法的实现，对于ReID技术的Rank1和mAP的精确度有着很大的提升。