王生进（左）

行人再识别，是近几年智能视频分析领域兴起的一项新技术，主要用于公共安全视频监控中的人像识别。鉴于不同视频监控下环境的复杂性，研究者们一直致力于提高识别的准确率和检索效率。

■本报记者 甘晓

行人再识别（Person Re-identification），是近几年智能视频分析领域兴起的一项新技术，主要用于公共安全视频监控中的人像识别。鉴于不同视频监控下环境的复杂性，研究者们一直致力于提高识别的准确率和检索效率。

最近，在国家自然科学基金（项目资助号：61071135）等项目的资助下，清华大学电子工程系教授王生进带领课题组在该领域取得了新进展。在两个典型行人序列数据集上，他们开发的新方法准确率分别比现有最好方法提高了5.7%和16.3%，在平安城市视频监控应用领域具有良好潜力。日前，国际权威期刊IEEE PAMI发表了这项成果。

解决视频监控中的难题

当公安部门追踪嫌疑人时，遍布在城市大街小巷的视频监控就派上了用场。不过，在视频监控中，一个摄像头往往无法覆盖所有区域，而多摄像头视野又没有重叠，导致追踪目标人的轨迹出现很大困难。

王生进告诉《中国科学报》记者：“在识别同一个目标时，视角、尺度、光照、服饰多样性、姿态多变性、分辨率不同以及部分遮挡，不同摄像头间失去连续的位置和运动信息，会影响目标的快速检索。”例如，视角变化会带来场景中的物体与摄像头光轴呈现不同的夹角，导致二维图像中物体表象存在差异；而尺度变化则会导致不同目标在图像中所占图像区域的差异,要求算法对尺度具有一定鲁棒性，特征提取就会变得困难。

这在专业领域内被称为“跨视阈重现目标识别”。从目前的研究情况来看，这是一个极具挑战性的问题。

从前，遇到这种情况，公安部门只能用肉眼仔细辨认，这对侦破工作带来了障碍。“行人再识别”技术便是基于这样的现实需求发展起来。

创新表观与步态融合的识别方法

多年来，科学家一致致力于开发基于图像的“行人再识别”技术。

王生进介绍，基于图像的“行人再识别”本质是图像的描述与匹配，表观特征的提取和度量学习是其两个核心问题。“包括衣服颜色、纹理、边缘、形状等表观特征是区分不同人的最主要特征。”他说。度量学习则意味着识别系统通过深度学习获得不同摄像头之间亮度、颜色等关键信息的转移函数。

2009年起，王生进带领课题组开始将行人再识别作为重点研究课题，近两年又与步态和图像检索（Image Search）结合在一起，获得了性能领先的实验结果，并构建了一个迄今为止本研究领域最大的具有时空信息的行人再识别数据集iLIDS-VID，实现了快速准确的行人再识别系统。至2016年初，他们所构建的具有时空信息的行人再识别数据库，下载量已达3700次，在国际学术界具有一定的影响。

王生进表示，在这项研究成果中，他们提出了一种基于步态时空特征融合的选择排序模型，用于在实际应用场景中利用行走行为进行人的身份识别。

“该模型将人体图像序列表示为视频片段集合，基于视频片段的像素数据计算反映步态信息的时空特征，从视频片段集合中自动选择步态鉴别力丰富的视频片段用于训练步态排序模型。”王生进说。

结果表明，这一方法使行人识别准确率分别比现有最好方法提高了5.7%和16.3%。

受科学基金认可

王生进自2003年10月回国后，便来到清华大学任教，一直从事计算机视觉和视频图像模式识别、多媒体信息处理领域的研究。

“公共安全领域是我们研究成果的重点应用方向。”王生进表示。

2009年，行人再识别技术在国际上刚刚起步。王生进就以“重现的行人目标数据关联和深度跟踪理论及方法研究”为题，申请了国家自然科学基金。“当时，不光研究寥寥无几，”他回忆，“连概念都提得很少。”

考虑到自然科学基金重在资助基础科学研究，他们在申请书中提出了这一领域的诸多基础科学问题。一年后，王生进顺利拿到了科学基金的资助。对他而言，一方面是资金上的支持，更大的意义在于得到了国家基金委极大的鼓励。

“获得科学基金的资助，意味着专家认为我们研究的方向够前沿、有价值，行人再识别这个方向得到了承认。”王生进说。

如今，他们不仅解决了诸多基础科学问题，也将自己的研究推向了应用。据记者了解，上述最新研究成果已经被公安部门应用在新疆地区平安城市视频监控中。

对此，王生进感到非常欣慰。“科研应当‘顶天立地’，既要在基础研究方面与世界同步，也要能运用到实际生活中。”他期待，行人再识别研究在公共安全领域有更大的应用前景。