康運(yùn)鋒 謝元濤 張世渝 中國(guó)科學(xué)院自動(dòng)化研究所

引言

人像屬性是指人體的一些典型外部特征，如性別、發(fā)型、服飾等。人像屬性識(shí)別通過(guò)監(jiān)控視頻對(duì)目標(biāo)性別、年齡、種族等屬性進(jìn)行估計(jì)，能夠減少在數(shù)據(jù)庫(kù)中的查找范圍，增加身份識(shí)別的準(zhǔn)確率。與目標(biāo)識(shí)別、檢測(cè)、跟蹤等傳統(tǒng)視覺(jué)問(wèn)題相比，屬性識(shí)別描述的是目標(biāo)的外觀細(xì)節(jié)，是對(duì)目標(biāo)信息的精細(xì)化語(yǔ)義解析。

傳統(tǒng)的視頻監(jiān)控系統(tǒng)的工作模式是，利用精心設(shè)計(jì)的特征描述子從獲取的目標(biāo)提取一組特征向量，輸入一個(gè)預(yù)先訓(xùn)練好的分類器對(duì)目標(biāo)進(jìn)行比對(duì)。這些特征描述通常是底層視覺(jué)特征，如顏色、紋理、關(guān)鍵點(diǎn)信息等，不能轉(zhuǎn)化為具有特定語(yǔ)義的高層視覺(jué)描述。實(shí)際應(yīng)用中，往往無(wú)法獲得目標(biāo)的圖像，因此人們希望能夠用基于自然語(yǔ)言描述（如長(zhǎng)發(fā)、背包、紅上衣）來(lái)對(duì)目標(biāo)進(jìn)行檢索和存儲(chǔ)。人像屬性識(shí)別可以為每個(gè)人像目標(biāo)生成高層語(yǔ)義描述信息，為基于自然語(yǔ)言的圖像檢索和視頻結(jié)構(gòu)化提供了可能。

當(dāng)前監(jiān)控場(chǎng)景下的人像屬性識(shí)別仍然非常具有挑戰(zhàn)性，主要體現(xiàn)在以下幾個(gè)方面[2]：（1）外觀多樣性——由于人像的服飾外觀多變，攝像頭視角和照明變化等不可控的多因素變化，同一屬性在不同圖像間存在較大的類內(nèi)差；（2）外觀模糊性——由于圖像分辨率有限，存在攝像頭焦距導(dǎo)致的視覺(jué)模糊，以及遠(yuǎn)視距離帶來(lái)的低質(zhì)量視覺(jué)特征。

一、關(guān)鍵技術(shù)

目前大多數(shù)現(xiàn)有的人像屬性研究都集中在特征工程或分類器學(xué)習(xí)上。傳統(tǒng)基于手工特征的屬性識(shí)別方法有兩個(gè)缺點(diǎn)：（1）手工特征（如顏色直方圖、局部二值模式）不能很好地處理實(shí)際監(jiān)控場(chǎng)景中的環(huán)境變化；（2）人像屬性之間的關(guān)系被忽略[3]。深度學(xué)習(xí)網(wǎng)絡(luò)通過(guò)建立類似于人腦的模型結(jié)構(gòu)，對(duì)輸入數(shù)據(jù)逐級(jí)提取從底層到高層的特征，從而能很好地建立從底層信號(hào)到高層語(yǔ)義的映射關(guān)系。

一般來(lái)說(shuō)，典型的人像屬性識(shí)別應(yīng)由三個(gè)部分組成：（1）從攝像頭中通過(guò)目標(biāo)檢測(cè)算法獲取目標(biāo)人員的包圍框；（2）通過(guò)對(duì)目標(biāo)提取手工或深度特征，對(duì)人像屬性進(jìn)行描述和建模；（3）通過(guò)對(duì)獲取到的數(shù)據(jù)進(jìn)行比較和分類，輸出屬性識(shí)別結(jié)果。

（一）人像目標(biāo)檢測(cè)和分割

在監(jiān)控視頻中可以通過(guò)靜態(tài)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)檢測(cè)的方式獲取目標(biāo)人像圖像。對(duì)于靜態(tài)圖像的屬性識(shí)別來(lái)說(shuō)，可以利用HOG+SVM、RCNN、SSD等目標(biāo)檢測(cè)方法對(duì)人體區(qū)域的包圍盒進(jìn)行定位，也可以利用Graph Cut、Mask RCNN 等目標(biāo)分割方法對(duì)人體輪廓進(jìn)行精確分割。對(duì)于基于動(dòng)態(tài)視頻的屬性識(shí)別來(lái)說(shuō)，可以利用運(yùn)動(dòng)檢測(cè)的方法減除背景，僅使用前景的特征來(lái)進(jìn)行屬性識(shí)別，免除背景的干擾。運(yùn)動(dòng)目標(biāo)檢測(cè)是指對(duì)視頻中運(yùn)動(dòng)的前景部分進(jìn)行定位，是后續(xù)進(jìn)行跟蹤和識(shí)別處理的基礎(chǔ)，常用方法有幀差法、高斯背景建模、光流法等。

（二）人像屬性的特征分析

早期的人像屬性識(shí)別和行人再識(shí)別主要采用的是全局特征，就是用整圖得到一個(gè)特征向量進(jìn)行分類輸出。但是全局特征受目標(biāo)姿態(tài)變化和遮擋情況變化影響較大，于是基于局部特征的研究開(kāi)始興起。人像屬性受空間限制和邏輯約束，也與局部特征的表達(dá)和局部特征間的關(guān)聯(lián)密不可分。通過(guò)前述運(yùn)動(dòng)檢測(cè)算法，可以從監(jiān)控視頻中得到目標(biāo)人員的大致輪廓。但是要進(jìn)行人像屬性的精確識(shí)別，還需要對(duì)人體區(qū)域進(jìn)行進(jìn)一步劃分。常用的局部特征分析的思路主要有圖像切塊、人體關(guān)鍵點(diǎn)定位以及視覺(jué)注意力機(jī)制等。

1. 基于分塊區(qū)域的特征分析

人體區(qū)域可以通過(guò)輪廓、色彩和對(duì)稱性等視覺(jué)特性進(jìn)行頭部、上半身和下半身的劃分，如圖1所示[4]。首先將運(yùn)動(dòng)的目標(biāo)前景從背景中分割出來(lái)，根據(jù)頭部和上半身的輪廓差異劃分頭肩位置，根據(jù)身體上下半身的顏色差異劃分上半身和下半身，并為每個(gè)身體部件計(jì)算一個(gè)橫向?qū)ΨQ軸。基于身體結(jié)構(gòu)分別提取顏色特征和紋理特征，并為靠近對(duì)稱軸的像素特征分配較大的權(quán)重，進(jìn)行后續(xù)特征匹配的處理。

人體區(qū)域也可以根據(jù)垂直方向直接等分為若干塊，如圖2所示[5]。將被等分后的人體圖像塊按空間順序輸入到長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（Long Short Term Memory Network，LSTM），通過(guò)序列建模對(duì)屬性的空間上下文和關(guān)聯(lián)性進(jìn)行提取。但這種分塊方式的缺點(diǎn)在于對(duì)圖像對(duì)齊的要求比較高，如果一幅圖像沒(méi)有上下對(duì)齊，那么很可能出現(xiàn)把頭部當(dāng)成上身進(jìn)行特征提取的情況，影響識(shí)別效果。

2. 基于人體關(guān)鍵點(diǎn)的特征分析

為了解決分塊區(qū)域不對(duì)齊的問(wèn)題，可以利用姿態(tài)估計(jì)模型對(duì)基于關(guān)鍵點(diǎn)的感興趣區(qū)域（Region of Interest，ROI）進(jìn)行特征提取。如圖3所示[6]，通過(guò)特征提取網(wǎng)絡(luò)（Feature Extraction Network）對(duì)14個(gè)人體關(guān)鍵點(diǎn)和7個(gè)人體結(jié)構(gòu)區(qū)域（包括頭部、上身、下身3個(gè)主區(qū)域和4個(gè)四肢區(qū)域）進(jìn)行多層局部特征提取，并用樹(shù)狀的特征融合網(wǎng)絡(luò)（Feature Fusion Network）對(duì)局部和全局特征進(jìn)行融合，獲取不同層級(jí)的語(yǔ)義特征描述。

3. 基于服飾關(guān)鍵點(diǎn)的特征分析

當(dāng)人體關(guān)鍵點(diǎn)被遮擋時(shí)，一些姿態(tài)檢測(cè)器難以準(zhǔn)確定位人體關(guān)鍵點(diǎn)。如圖4所示[7]，通過(guò)訓(xùn)練服飾關(guān)鍵點(diǎn)檢測(cè)器（如領(lǐng)口、袖口、腰身、下擺等），從關(guān)鍵點(diǎn)位置提取服飾的局部信息。盡管不同場(chǎng)景和視角下的服飾形態(tài)會(huì)有變化，但服飾關(guān)鍵點(diǎn)處的局部特征仍具備一定的不變性。因此，采用基于服飾關(guān)鍵點(diǎn)區(qū)域的特征提取，能夠?yàn)槿讼竦姆棇傩蕴峁┮粋€(gè)有效、可靠的特征描述。

4. 基于注意力機(jī)制的特征分析

除了基于先驗(yàn)知識(shí)的關(guān)鍵區(qū)域劃分，可以采用基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)將多層注意力圖映射到不同的特征層[8]?；谧⒁饬C(jī)制的網(wǎng)絡(luò)可以從低層到語(yǔ)義層獲取視覺(jué)注意力，并從多尺度的注意力挖掘特征來(lái)對(duì)最終的人像屬性進(jìn)行描述?；谧⒁饬C(jī)制的人像屬性特征提取能夠補(bǔ)充從局部細(xì)節(jié)到全局高層語(yǔ)義的特征，如圖5（a）中，局部的語(yǔ)義特征用來(lái)分辨具有相似外觀的人員，如長(zhǎng)發(fā)和短發(fā)，長(zhǎng)袖和短袖；在圖5（b）中，淺層特征可以捕獲衣服條紋；在圖5（c）對(duì)應(yīng)小尺度描述“打電話”；在圖5（d）中對(duì)應(yīng)大尺度全局理解“性別”屬性描述。

二、數(shù)據(jù)集

當(dāng)前主流的公開(kāi)人像屬性數(shù)據(jù)集，如表1所示。其中，早期的VIPeR、PRID、GRID、APiS數(shù)據(jù)集樣本和屬性類別較少，Market-1501-Attribute和DukeMTMC-Attribute數(shù)據(jù)集是對(duì)行人再識(shí)別領(lǐng)域中Market-1501數(shù)據(jù)集和DukeMTMC-reID數(shù)據(jù)集加入屬性標(biāo)注后的擴(kuò)充，RAP和PETA數(shù)據(jù)集的屬性類別比其他數(shù)據(jù)集更豐富，且只有RAP數(shù)據(jù)集具有視角、遮擋和人體部件的標(biāo)注，這些標(biāo)注可以用于反映環(huán)境變化和空間上下文對(duì)人像屬性分析的影響。

?

（一）PETA（PEdesTrian Attribute）數(shù)據(jù)集

PETA數(shù)據(jù)集是由10個(gè)較小規(guī)模的行人再識(shí)別數(shù)據(jù)集組成，并為每張人體圖像加入屬性標(biāo)注，各個(gè)子數(shù)據(jù)集的名稱、比例和示例樣本如圖6所示。PETA數(shù)據(jù)集共包含19000張圖像，分辨率范圍從17x39到169x365。這些圖像重新標(biāo)注了61個(gè)屬性，包括性別、年齡區(qū)間、發(fā)型、上下半身的服飾風(fēng)格（便裝或正裝）以及配件等。

（二）RAP（Richly Annotated Pedestrian）數(shù)據(jù)集

RAP數(shù)據(jù)集是目前最大的人像屬性公開(kāi)數(shù)據(jù)集，是由中科院自動(dòng)化所從多攝像機(jī)監(jiān)控場(chǎng)景中采集的人像屬性數(shù)據(jù)集，共擁有72個(gè)豐富的屬性類別和41,585個(gè)人像樣本，用于人像屬性分析研究。跟之前的屬性數(shù)據(jù)集相比，RAP數(shù)據(jù)集還包括不同的視角，遮擋和身體部位信息。

三、應(yīng)用探索

（一）人像屬性檢索

人像屬性檢索技術(shù)包含人像屬性識(shí)別和檢索兩個(gè)方面。人像屬性識(shí)別技術(shù)是在人體檢測(cè)和人體子部件（帽子、上衣、褲子等）、附屬物（背包，帽子等）定位的基礎(chǔ)上，利用深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)人像的精細(xì)化識(shí)別。

人像屬性檢索是在人像屬性識(shí)別技術(shù)基礎(chǔ)上通過(guò)給定待檢索的單個(gè)屬性標(biāo)簽或多個(gè)標(biāo)簽組合，在人像屬性數(shù)據(jù)庫(kù)中進(jìn)行多特征檢索，得到滿足屬性的人像數(shù)據(jù)。常用于刑偵中在一定地理范圍內(nèi)，一段時(shí)間內(nèi)的大量相關(guān)視頻中，事先快速構(gòu)建好人像屬性數(shù)據(jù)庫(kù)，根據(jù)特定屬性標(biāo)簽線索進(jìn)行可疑人員的偵查，通過(guò)過(guò)濾大量無(wú)用信息，縮小偵查范圍，為公安破案提供更多有效線索，大大提高破案速度。除此之外，還可以在安全生產(chǎn)領(lǐng)域，通過(guò)對(duì)人員穿戴等附屬物識(shí)別及時(shí)發(fā)現(xiàn)違反安全生產(chǎn)行為（未穿安全服，未佩戴安全帽等），幫助企業(yè)規(guī)范日常生產(chǎn)生活，盡可能消除安全隱患。另外，還可以在商業(yè)領(lǐng)域幫助商場(chǎng)超市經(jīng)營(yíng)者，通過(guò)顧客屬性標(biāo)簽及顧客停留軌跡，進(jìn)行商業(yè)價(jià)值挖掘等。

目前人像屬性檢索主要性能指標(biāo)在人像屬性識(shí)別精度上，雖然目前在公開(kāi)數(shù)據(jù)集上達(dá)到了不錯(cuò)的成績(jī)，但是由于實(shí)際場(chǎng)景的復(fù)雜多樣性，地點(diǎn)隨機(jī)，且光線、角度、姿態(tài)不同，再加上人體容易受到檢測(cè)精度、遮擋等因素的影響，屬性標(biāo)簽識(shí)別并不理想，實(shí)際應(yīng)用中精度并不是很高，這樣有遺漏重大人物線索風(fēng)險(xiǎn)，因此實(shí)際使用中仍依賴于大量人力的投入。

（二）人體結(jié)構(gòu)化

人體結(jié)構(gòu)化是視頻結(jié)構(gòu)化的一部分，它對(duì)視頻內(nèi)容按照語(yǔ)義關(guān)系，采用時(shí)空分割、特征提取、對(duì)象識(shí)別等處理手段，組織成可供計(jì)算機(jī)和人理解的文本信息的技術(shù)，并進(jìn)一步轉(zhuǎn)化為公安實(shí)戰(zhàn)所用的情報(bào)，實(shí)現(xiàn)視頻數(shù)據(jù)向信息、情報(bào)的轉(zhuǎn)化。

實(shí)際監(jiān)控環(huán)境中，由于攝像機(jī)架設(shè)角度，位置等因素，常常無(wú)法獲取到臉部的有效信息，利用人體結(jié)構(gòu)化技術(shù)能夠獲取監(jiān)控場(chǎng)景中目標(biāo)人員的人臉信息外的特征。提取包括人的生理特征（如性別、年齡、膚色、發(fā)色）、頭部穿戴飾物特征（眼鏡、墨鏡、帽子、口罩），人的衣著、運(yùn)動(dòng)方向、人的附屬物信息（是否背包、擰包、打傘），以及包含人體行為如越界、區(qū)域、徘徊、打架、遺留、聚集等多種行為特征，進(jìn)行結(jié)構(gòu)化描述。

公安業(yè)務(wù)部門可利用結(jié)構(gòu)化技術(shù)結(jié)合人臉技術(shù)在機(jī)場(chǎng)、火車站、地鐵站、汽車站、商場(chǎng)、小區(qū)、重要路口及重點(diǎn)區(qū)域等進(jìn)行實(shí)時(shí)布控，對(duì)案件中特定特征進(jìn)行實(shí)時(shí)比對(duì)，若發(fā)現(xiàn)重點(diǎn)關(guān)注人員，將推送到警用實(shí)戰(zhàn)一體化平臺(tái)或手機(jī)終端，實(shí)現(xiàn)實(shí)戰(zhàn)預(yù)案聯(lián)動(dòng)。也可以在人體結(jié)構(gòu)化基礎(chǔ)上快速的在案發(fā)點(diǎn)附近的多路攝像頭中進(jìn)行全局搜索，查找出相似的目標(biāo)，通過(guò)時(shí)間、空間刻畫出嫌疑人的行動(dòng)軌跡。

人體結(jié)構(gòu)化有如下優(yōu)點(diǎn)：

首先，是極大提升了視頻中目標(biāo)人員的查找速度。通過(guò)對(duì)幾百上千小時(shí)的視頻經(jīng)過(guò)人體結(jié)構(gòu)化之后，從中找出某張截圖中的嫌疑目標(biāo)，數(shù)秒鐘即可完成；

其次，是極大降低了存儲(chǔ)容量。通過(guò)結(jié)構(gòu)化能夠去除大量無(wú)用信息，相同存儲(chǔ)容量能夠存儲(chǔ)更長(zhǎng)時(shí)間內(nèi)視頻的有效信息；

最后，人體結(jié)構(gòu)化可作為數(shù)據(jù)挖掘提供數(shù)據(jù)基礎(chǔ)，通過(guò)對(duì)某段時(shí)間，某一區(qū)域內(nèi)視頻中所有人像進(jìn)行結(jié)構(gòu)化處理存入數(shù)據(jù)倉(cāng)庫(kù)后，結(jié)合其它文本等多模態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)整合分析，挖掘事件關(guān)聯(lián)，充分發(fā)揮大數(shù)據(jù)作用，提高視頻數(shù)據(jù)的分析和預(yù)測(cè)功能。

目前人體結(jié)構(gòu)化應(yīng)用上大多采用的是結(jié)構(gòu)化服務(wù)器與大數(shù)據(jù)平臺(tái)相結(jié)合，其特色是結(jié)構(gòu)化服務(wù)器支持單臺(tái)設(shè)備自成一個(gè)完整的系統(tǒng)，進(jìn)行離線及在線結(jié)構(gòu)化分析，提供結(jié)構(gòu)化分析和視圖庫(kù)儲(chǔ)存，再對(duì)接入大數(shù)據(jù)平臺(tái)完成視頻結(jié)構(gòu)化轉(zhuǎn)換。

人體結(jié)構(gòu)化技術(shù)的發(fā)展極大的降低了案件偵破時(shí)間成本和人力成本，也大大降低了視頻存儲(chǔ)壓力，對(duì)原有智能安防是一種技術(shù)補(bǔ)充。國(guó)內(nèi)很多安防廠商也推出各種結(jié)構(gòu)化服務(wù)器產(chǎn)品，但是實(shí)際應(yīng)用中也有很多問(wèn)題，場(chǎng)景復(fù)雜性對(duì)于算法效果影響很大，算法性能還需要進(jìn)一步提高。

（三）跨場(chǎng)景目標(biāo)跟蹤

目標(biāo)跟蹤在警務(wù)工作中具有廣泛的應(yīng)用價(jià)值，假如對(duì)任何感興趣的目標(biāo)都可以準(zhǔn)確完整地跟蹤到行進(jìn)軌跡，將大大減輕偵查人員的工作量，大幅提高工作效率?？鐖?chǎng)景目標(biāo)跟蹤的另一個(gè)應(yīng)用場(chǎng)景是刑偵中廣泛用到的行人再識(shí)別。根據(jù)應(yīng)用場(chǎng)景的不同，可以將目標(biāo)跟蹤分為單場(chǎng)景目標(biāo)跟蹤和跨場(chǎng)景目標(biāo)跟蹤兩類。單場(chǎng)景目標(biāo)跟蹤包括單目標(biāo)和多目標(biāo)跟蹤，跨場(chǎng)景目標(biāo)跟蹤可以分為重疊場(chǎng)景和非重疊場(chǎng)景目標(biāo)跟蹤（如圖8）。以下主要就跨場(chǎng)景目標(biāo)跟蹤探索應(yīng)用模式。

1. 重疊場(chǎng)景目標(biāo)跟蹤

重疊場(chǎng)景目標(biāo)跟蹤一般應(yīng)用在特殊場(chǎng)合，對(duì)于空間和時(shí)間的連續(xù)性要求較高，這種場(chǎng)景下受遮擋影響比較小，而跟蹤范圍沒(méi)有非重疊場(chǎng)景大，并且需要對(duì)攝像機(jī)進(jìn)行前期標(biāo)定工作，因此對(duì)于跨場(chǎng)景的目標(biāo)跟蹤問(wèn)題，雖然可以利用重疊場(chǎng)景的豐富的空間信息解決單場(chǎng)景下比較棘手的遮擋等一系列問(wèn)題，但是由于經(jīng)濟(jì)因素和計(jì)算復(fù)雜度的限制，目前仍然沒(méi)有大規(guī)模的實(shí)戰(zhàn)應(yīng)用。

由于采用多個(gè)攝像機(jī)從不同視角觀測(cè)相同區(qū)域，這個(gè)空間關(guān)系為跨場(chǎng)景目標(biāo)持續(xù)跟蹤提供了有利條件。如圖9應(yīng)用案例中，目標(biāo)在行進(jìn)過(guò)程中可以被一個(gè)以上攝像機(jī)監(jiān)控到，根據(jù)目標(biāo)頭肩、形體、衣著等人體屬性特征以及攝像機(jī)的拓?fù)浣Y(jié)構(gòu)，可以實(shí)時(shí)跟蹤和預(yù)判該目標(biāo)的行進(jìn)軌跡，在通關(guān)口岸等特殊場(chǎng)所有重要的應(yīng)用價(jià)值。

2. 非重疊場(chǎng)景目標(biāo)跟蹤

非重疊場(chǎng)景目標(biāo)跟蹤在實(shí)際應(yīng)用中分為兩種模式，一種是通過(guò)構(gòu)建攝像機(jī)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行目標(biāo)跟蹤，也就是行人再識(shí)別，另一種是所謂的槍球聯(lián)動(dòng)。

行人再識(shí)別應(yīng)用一般由四部分構(gòu)成，分別為拓?fù)涔烙?jì)、攝像機(jī)之間光照變化的處理、跨攝像機(jī)目標(biāo)匹配和數(shù)據(jù)關(guān)聯(lián)。拓?fù)涔烙?jì)是通過(guò)學(xué)習(xí)得到描述多攝像機(jī)系統(tǒng)中各攝像機(jī)連接關(guān)系的拓?fù)鋱D。攝像機(jī)之間光照變化的處理是為了消除不同場(chǎng)景的不同光照條件對(duì)目標(biāo)表觀造成的影響，是在進(jìn)行跨攝像機(jī)目標(biāo)匹配之前的一個(gè)預(yù)處理過(guò)程?？鐢z像機(jī)目標(biāo)匹配是對(duì)在不同時(shí)刻出現(xiàn)在不同攝像機(jī)前的目標(biāo)進(jìn)行建模，利用匹配策略，得到相應(yīng)的匹配分?jǐn)?shù)。數(shù)據(jù)關(guān)聯(lián)即把目標(biāo)的表觀信息、各場(chǎng)景之間的空間信息、時(shí)間信息等各種信息相融合，最終實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)在不同攝像機(jī)下的連續(xù)跟蹤。

隨著平安城市以及雪亮工程的建設(shè)推進(jìn)，越來(lái)越多的監(jiān)控?cái)z像機(jī)投入使用，為行人再識(shí)別的應(yīng)用構(gòu)筑了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，并且行人再識(shí)別也吸引了大批相關(guān)企業(yè)的關(guān)注及投入。

槍球聯(lián)動(dòng)是指利用高空固定攝像機(jī)與地面球機(jī)相結(jié)合的方式，通過(guò)高空固定攝像機(jī)獲取目標(biāo)位置，然后通知地面球機(jī)利用人體基本屬性識(shí)別進(jìn)行接力跟蹤。這種方式既可以應(yīng)用在特殊的封閉場(chǎng)所，也可以應(yīng)用在城市級(jí)，因?yàn)槟壳昂芏喑鞘卸技茉O(shè)了制高點(diǎn)攝像機(jī)，對(duì)于城市應(yīng)急指揮以及協(xié)調(diào)大量攝像機(jī)進(jìn)行刑偵工作可以發(fā)揮重要作用。如圖10應(yīng)用案例中，通過(guò)樓頂槍機(jī)對(duì)周界進(jìn)行監(jiān)控，發(fā)現(xiàn)目標(biāo)后將位置發(fā)送到最近的球機(jī)，球機(jī)根據(jù)目標(biāo)的形體、衣著等屬性特征進(jìn)行主動(dòng)跟蹤，這樣無(wú)論目標(biāo)處于任何位置都可以在電子地圖上顯示出行進(jìn)軌跡。

不管是重疊場(chǎng)景還是非重疊場(chǎng)景，行人再識(shí)別在實(shí)際應(yīng)用中都面臨巨大挑戰(zhàn)，國(guó)際上學(xué)術(shù)界在大的公開(kāi)庫(kù)上的結(jié)果也不是特別理想，何況在實(shí)際場(chǎng)景中，不同攝像機(jī)安裝的角度不同，所處的光照環(huán)境不同，甚至攝像機(jī)的參數(shù)不同等諸多因素都使得不同攝像機(jī)下觀測(cè)到的同一個(gè)運(yùn)動(dòng)目標(biāo)的表觀有很大區(qū)別，因此跨場(chǎng)景目標(biāo)匹配和識(shí)別問(wèn)題準(zhǔn)確率會(huì)更低；另外，不同場(chǎng)景之間的監(jiān)控盲區(qū)導(dǎo)致不同場(chǎng)景下的相同目標(biāo)的不同觀測(cè)在時(shí)間和空間上都不連續(xù)，這種時(shí)空信息的缺失在實(shí)際應(yīng)用中也給跨場(chǎng)景行人再識(shí)別關(guān)聯(lián)帶來(lái)極大挑戰(zhàn)。

四、結(jié)束語(yǔ)

隨著我國(guó)天網(wǎng)工程、平安城市、雪亮工程建設(shè)的推進(jìn)，海量監(jiān)控視頻的鋪設(shè)已初具規(guī)模。但隨之而來(lái)的是海量視頻的管理和應(yīng)用難題，目標(biāo)人群無(wú)從找起，歷史視頻難以查證，視頻大數(shù)據(jù)的潛在價(jià)值未被挖掘。隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展和計(jì)算能力的提升，人們希望能對(duì)監(jiān)控視頻中的人體目標(biāo)進(jìn)一步理解分析，以進(jìn)行后續(xù)的應(yīng)用開(kāi)發(fā)。近年來(lái)，人像屬性分析已成為智能視頻分析領(lǐng)域的關(guān)鍵方向之一，為海量視頻中基于語(yǔ)義屬性的人像檢索、人體結(jié)構(gòu)化信息提取和挖掘、無(wú)重疊視野的跨場(chǎng)景目標(biāo)跟蹤提供關(guān)鍵技術(shù)支撐，為大規(guī)模場(chǎng)景下的智能視頻分析應(yīng)用拓寬思路。

當(dāng)前，在計(jì)算機(jī)視覺(jué)領(lǐng)域，通過(guò)海量圖像數(shù)據(jù)學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)，已被證明比傳統(tǒng)特征工程擁有更豐富的信息量，從底層表觀到高層語(yǔ)義為人像屬性提供多層次的特征提取，在未來(lái)具有高度的研究?jī)r(jià)值和實(shí)用價(jià)值。目前在人像屬性分析領(lǐng)域，人體檢測(cè)、人體分割、人像屬性識(shí)別的研究大多各自為戰(zhàn)，仍缺乏一個(gè)高效統(tǒng)一的端到端解決方案，亟待學(xué)術(shù)界和工業(yè)界共同推進(jìn)。

[1] 高文慶. 監(jiān)控環(huán)境下的行人屬性檢測(cè)方法研究[D]. 天津大學(xué),2015.

[2] Deng Y, Luo P, Chen C L, et al. Learning to Recognize Pedestrian Attribute[J]. Computer Science, 2015.

[3] Li D, Chen X, Huang K. Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios[C]// Pattern Recognition. IEEE, 2016.

[4] Farenzena M, Bazzani L, Perina A, et al. Person Re-identification by Symmetry-driven Accumulation of Local Features[C]// Computer Vision and Pattern Recognition. IEEE, 2010:2360-2367.

[5] Wang J, Zhu X, Gong S, et al. Attribute Recognition by Joint Recurrent Learning of Context and Correlation[C]// IEEE International Conference on Computer Vision. IEEE Computer Society, 2017:531-540.

[6] Haiyu Zhao, Maoqing Tian, Shuyang Sun, Jing Shao, Junjie Yan,Shuai Yi, Xiaogang Wang, Xiaoou Tang. Spindle net: Person Reidentification with Human Body Region Guided Feature Decomposition and Fusion[C]. CVPR, 2017.

[7] Liu Z, Luo P, Qiu S, et al. DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations[C]// Computer Vision and Pattern Recognition. IEEE, 2016:1096-1104.

[8] Liu X, Zhao H, Tian M, et al. HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis[J], 2017.