▲本报材料照片病源追溯、罪犯追踪、寻觅走失儿童……作爲人工智能（AI）的关键使用，人脸辨认技术正在各行各业扮演着重要角色。从茫茫人海中辨认出那个关键的“他”，其前提是要有一张明晰的人脸图像，可假如只要人的背影呢？最近几年，人工智能视觉辨认范畴衰亡了一项名爲“行人重辨认（ReID）”的前沿技术研讨，科技界和产业界试图绕过人脸，转而经过步态、体态、穿着等其他集体特征完成对人的精准辨认。近日，上海人工智能独角兽公司依图科技在ReID范畴获得新打破，其算法刷新了全球工业界三大威望数据集业内最优成果（SOTA），到达业界迄今最高规范。现实上，自2017年起，随着人脸辨认技术的日臻完善，以苹果企业FaceID爲代表的“刷脸”使用迅速商业化普及。如今，刷脸领取、刷脸乘车已浸透到人们的生活日常。业内专家以为，随同着技术功能打破，ReID算法将成爲计算机视觉辨认范畴的下一代“杀手级使用”，一波新场景、新业态正在由它“解锁”。AI视觉辨认范畴补上一块重要“拼图”99%，是2018年全球人脸辨认技术千万分之一误报下的辨认精确率的最高程度，虽然精度在不时进步，但上升空间已然无限。但是，在交通运输、工业制造和城市规划等实践使用场景中，99%的图像都是不含人脸或人脸局部是极端模糊的，因而业界对“不看脸”的辨认需求呼声越来越高。可是，不看脸怎样认出谁是谁呢？视频构造化描绘专家胡传平说，除了脸部特征之外，步态、身形、服饰等特征也可用来辨认人，应用这些生物特征辨认人的技术被称爲ReID。大约四五年前，该技术刚刚衰亡，如今逐步趋于成熟。虽然人脸辨认和ReID都需求比对生物特征，但两者的关注重点并不相反。复杂来说，人脸辨认的原理是将人脸图像或视频信息与数据库中的信息相比对，最初锁定人物，这是一种偏静态的辨认；而ReID则需求先从前后多张关联照片中辨认出人物的特有行爲，再寻觅出与此特征相婚配的那团体，是一种静态辨认。从某种意义上说，ReID是人脸辨认的“退化版”。优化算法算力，减速新技术商业化落地但是，ReID“寻人”并不容易，面临着许多难题。由于不同画面中人物的姿势、行爲甚至外表（比方: 正身、侧身、背身）会发作较大变化，不同工夫、场景的光照、背景和遮挡物各不相反，这些都对ReID技术提出了极大应战。胡传平说：“无论从计算量还是辨认难度来看，ReID都要高于人脸辨认。”▲受访者供图“首位命中率”和“均匀精度均值”是业内评判ReID算法好坏的两大关键目标。“假如以寻觅伴侣作爲比喻，‘首位命中率’是你一下子看到两人身上最合得来的那一点，速度定夺能否婚配，‘均匀精度均值’则是在一段实践的生活相处中，从两人的观念、习气、兴味等多方面来判别能否选择这团体。”依图科技相关研发人员这样解释。近日，依图科技在全球威望的三大数据集上将这两大关键目标下的六个项目数据全部提升，进一步稳定了中国技术团队在该范畴的领跑位置。除了算法复杂，ReID在实战场景下的另一个难题便是算力，它需求更高效的芯片作爲机器大脑的支撑。爲此，依图科技于去年5月发布全球首颗云端视觉AI芯片“求索”，单路摄像头功耗不到1瓦，借此爲ReID的商业化落地提供弱小算力。跨时空比照，新场景、新时机正在“解锁”据理解，依图在工业界落地的ReID项目的规模与成绩的复杂水平，已远超学术界的最高程度。在实战使用中，仅凭穿着、体态特征，依图已能将ReID做到2017年-2018年人脸辨认的精度。无妨做一个跨时空比照——2017年的人脸辨认技术已相当完善，以苹果企业FaceID爲代表的“刷脸”使用竞相商业化，并在两三年内迅速普及。因而，不少业内人士以为，当ReID算法与芯片的成熟度接近或到达当年人脸辨认技术的水平时，再加上高智能密度的AI芯片“加持”，计算机视觉辨认范畴的下一个“杀手级使用”行将到来，而今，间隔其大规模商业化并不悠远。一个经典使用场景是：假设孩子在街道上走失，即便摄像头没有捕获到孩子的样貌，AI照样可以找到他的去向，从而援救一位绝望的母亲。而另一个影响深远的产业将是家庭机器人，由于家庭机器人很难实时看到主人的脸，假如可以经过穿着或许步态辨认主人，机器人则可以愈加“体恤”地爲人们提供效劳。“短短几年，业界应用人脸辨认技术解锁了如此多的新使用，如今，经过背影即能到达和人脸辨认类似的效果，有理由置信，ReID技术的使用前景将来可期。”胡传平说。作者：沈湫莎编辑：储舒婷