不仅如此，在实际场景中，一个摄像头往往无法覆盖所有区域，而多个摄像头之间一般也没有重叠。因此，用全身信息来对人员进行锁定和查找就变得十分必要——即通过将整体行人特征作为人脸之外的重要补充，实现对行人的跨摄像头跟踪。当下，计算机视觉领域开始逐渐展开针对“行人重识别”技术的研究工作。
行人重识别(Person Re-Identification，简称ReID)，从字面意思理解就是对行人进行重新识别，是对不同的、没有视野重叠覆盖的(non-over lapping)摄像机拍摄的行人图像建立对应关系的处理过程。当摄像头拍摄范围之间不存在重叠时，由于没有了连续信息，检索难度也随之增大非常多。因此，行人重识别强调的是在跨摄像机的视频中对特定行人进行检索。
“行人重识别”与“行人检测”的区别
如果说行人检测是要机器判定图像中是否存在行人，那么行人重识别就是要机器识别出不同摄像机拍摄的特定人员的所有图像。具体说，就是给定某人的一张图片(query image)，从多张图片(gallery images)中找到属于他/她的那一张或多张，是通过行人整体特征实现的人员比对技术。
主要应用领域的区别：“行人重识别”主要应用于刑侦工作、图像检索等方面。“行人检测”主要用于智能驾驶、辅助驾驶和智能监控等相关领域。
为了更好的理解这个问题，不妨再思考几个补充问题：
1.能不能用人脸识别做重识别？
理论上是可以的。但是有两个原因导致人脸识别较难应用：首先，广泛存在后脑勺和侧脸的情况，做正脸的人脸识别难。其次，摄像头拍摄的像素可能不高，尤其是远景摄像头里面人脸截出来很可能都没有32x32的像素。所以人脸识别在实际的重识别应用中很可能有限。
2.有些人靠衣服的颜色就可以判断出来了，还需要行人重识别么？
衣服颜色确实是行人重识别做出判断一个重要因素，但光靠颜色是不足的。首先，摄像头之间是有色差，并且会有光照的影响。其次，有撞衫(颜色相似)的人怎么办，要找细节，但比如颜色直方图这种统计的特征就把细节给忽略了。在多个数据集上的测试表明，光用颜色特征是难以达到50%的top1正确率的。
行人重识别领域研究现状
行人重识别问题中的图片来源于不同的摄像头，然而，由于不同摄像头所处的角度、光照等环境的影响，行人重识别问题具有以下几个特点：
由于实际监控环境中，无法使用脸部的有效信息，所以，只能利用行人的外貌特征来进行识别。在不同摄像头中，由于尺度、光照和角度的变化，同一个行人的不同图片中，外貌特征会有一定程度的变化。由于行人姿势及摄像头角度的变化，在不同摄像头中，不同行人的外貌特征可能比同一个人的外貌特征更相似。
针对以上几个特点，计算机视觉领域的研究人员在最近几年里进行了大量的研究工作。
目前，行人重识别领域的研究工作主要分为大致两类：研究行人对象的特征表示方法，提取更具有鲁棒性的鉴别特征对行人进行表示。使用距离度量学习方法，通过学习一个有判别力的距离度量函数，使得同一个人的图像间距离小于不同行人图像间的距离。
行人重识别具有高应用价值 但仍依赖于大量人力的投入
行人重识别在公共安防的侦察工作中以及图像检索等场景中有很高的应用价值。除此之外，行人重识别还可以帮助手机用户实现相册聚类、帮助零售或商超经营者获取有效的顾客轨迹、挖掘商业价值。
从产业界来看，不管是老牌的计算机视觉公司如海康威视，还是新晋独角兽face++，商汤科技，亦或是一些像BAT，华为等科技巨头们都对行人重识别非常关注。从政策上来，行人重识别也受到一定关注。公安部推出平安城市概念，并且发布了多项预研课题，相关行业标准也在紧锣密鼓制定当中。然而，受限于行业水平，目前行人重识别的精准度并不高，很多工作仍依赖于大量人力的投入。
结语
目前，行人重识别技术在实战场景中还有更多的挑战要应对。希望行人重识别技术技术能进一步成熟，为安防行业发展打开新市场。
