目前，人臉識(shí)別主要分為兩種，一是人臉識(shí)別，二是行人再識(shí)別，前者在技術(shù)上可以簡(jiǎn)單理解為將兩張圖片放在一起，區(qū)分是否兩個(gè)人，而后者指的是是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。

行人再識(shí)別的深度學(xué)習(xí)方法通常有三個(gè)步驟：首先，在訓(xùn)練集上訓(xùn)練一個(gè)分類網(wǎng)絡(luò)。然后在網(wǎng)絡(luò)收斂之后，用它全連接層的輸出作為特征表達(dá)。最后，對(duì)所有的圖像特征，計(jì)算其歐氏距離，判斷他們的相似性。

在公安部門追蹤嫌疑犯時(shí)，雖然攝像頭遍布城市大街小巷，但往往攝像頭無法真正覆蓋所有區(qū)域，同時(shí)許多攝像頭的視野也沒有重疊，導(dǎo)致追蹤目標(biāo)的軌跡出現(xiàn)較大的困難。很明顯，在識(shí)別同一個(gè)目標(biāo)時(shí)，由于視角、尺度、光照、服飾多樣性、姿態(tài)多變性、分辨率不同以及部分遮擋問題，會(huì)導(dǎo)致不同攝像頭間失去連續(xù)的位置和運(yùn)動(dòng)信息，影響目標(biāo)的快速檢索。

在實(shí)戰(zhàn)中，視角的變化會(huì)帶來場(chǎng)景中的物體與攝像頭光軸呈現(xiàn)不同的夾角，導(dǎo)致二維圖像中物體表象存在差異；而尺度變化則會(huì)導(dǎo)致不同目標(biāo)在圖像中所占圖像區(qū)域的差異，要求算法對(duì)尺度具有一定魯棒性，特征提取就會(huì)變得困難。這也被稱為極具挑戰(zhàn)性的問題“跨視閾重現(xiàn)目標(biāo)識(shí)別”，但“行人再識(shí)別”技術(shù)的出現(xiàn)，讓公安用戶看到擺脫肉眼辨識(shí)的希望。

行人再識(shí)別的深度學(xué)習(xí)方法通常有三個(gè)步驟：首先，在訓(xùn)練集上訓(xùn)練一個(gè)分類網(wǎng)絡(luò)；然后在網(wǎng)絡(luò)收斂之后，用它全連接層的輸出作為特征表達(dá)；最后，對(duì)所有的圖像特征，計(jì)算其歐氏距離，判斷他們的相似性。這個(gè)過程就出現(xiàn)了一個(gè)問題：卷積神經(jīng)網(wǎng)絡(luò)中全連接層的每一個(gè)權(quán)重向量，往往都高度相關(guān)。這導(dǎo)致了每個(gè)全連接描述中個(gè)體之間的相關(guān)性，在基于歐幾里得距離時(shí)會(huì)影響檢索性能。

任何一個(gè)高級(jí)的算法都迫切的需要跟實(shí)際行業(yè)緊密結(jié)合起來，才能真正實(shí)現(xiàn)技術(shù)服務(wù)于社會(huì)。比較顯著的一點(diǎn)，在AI時(shí)代要讓安防廠商用得起新技術(shù)，必須利用自主知識(shí)產(chǎn)權(quán)的核心算法，才能打造低功耗性能的智能前端產(chǎn)品。

在傳統(tǒng)安防中，攝像機(jī)采集的數(shù)據(jù)要經(jīng)過后臺(tái)對(duì)其進(jìn)行解碼、抽幀、人臉識(shí)別與結(jié)構(gòu)化應(yīng)用，再進(jìn)行特征碼的提取、后期比對(duì)，整個(gè)過程使得計(jì)算壓力全部集中在后臺(tái)，因此如何實(shí)現(xiàn)前端在復(fù)雜環(huán)境下的數(shù)據(jù)智能采集和結(jié)構(gòu)化變得至關(guān)重要。同時(shí)全國(guó)600多個(gè)大中城市視頻系統(tǒng)建設(shè)已初具規(guī)模，安裝攝像頭2000萬多支，監(jiān)控系統(tǒng)26．8萬個(gè)，如何實(shí)現(xiàn)傳統(tǒng)產(chǎn)品的智能化改造成為迫切的需求。

目前不少企業(yè)針對(duì)以上情況，推出智能結(jié)構(gòu)化前端盒子，通過搭載高性能AI芯片，可實(shí)現(xiàn)高速率采集、抓拍和人臉屬性分析。能實(shí)現(xiàn)在不更換攝像頭的前提下，更方便、快捷的實(shí)現(xiàn)前端智能，更好的實(shí)現(xiàn)后端分析向前端的過渡。

相信未來3年內(nèi)，智能傳感器、算法模型、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺、智能機(jī)器人、智能安防將迎來快速增長(zhǎng)。