什么是 REID 客流统计去重识别技术

REID 客流统计：

有时候客户一上来问我：“你们的设备能不能识别人？是不是像人脸识别那样？”我一般都要喝口茶才回答。因为啊，REID 客流统计压根不是人脸识别。它更像是“行人重识别”，主要是给同一个人贴上一个临时的数字标签，保证不被算成两次。
说白了，就是重复计数剔除。举个例子，你去商场上厕所回来再进门，如果没有 REID 去重，那统计系统会以为今天来了两次客人。商户要是真按这种数据来做营销预算，那肯定要亏惨。

FOORIR 在早几年搞这套东西时，其实走了不少弯路。我们当时一度尝试过用简单的 MAC 地址采集（Wi-Fi 探针）来区分人，结果呢？iOS 一更新系统就把地址随机化了，整个方案直接崩盘。那会儿真是气得想把样机砸了。后来才老老实实转向视觉算法，把行人特征提取和轨迹匹配结合起来，这才算是摸到门路。

所以，REID 客流统计的关键点就是：同一个人多次出现，算法要能认出来，不要傻乎乎加两次。

行人重识别：

行人重识别这词听着挺唬人，其实干的事儿跟咱们生活里“认人”差不多。比如你远远看见一个人走过来，可能看不到脸，但光看身形、衣服颜色、走路的姿势，大概能猜出是不是你刚刚见过的那个人。
机器干的也是这个逻辑，它会提取很多特征：

• 身体轮廓比例
• 衣服纹理和颜色组合
• 背包、帽子这些附加物
• 运动轨迹和速度模式

不过，别以为加了这些特征就万无一失。我记得有一次，我们在地铁站测试，结果穿同款黑色羽绒服的学生一大堆，算法差点全算成一个人。最后我们只能叠加轨迹匹配和区域约束，才把误判率拉下来。

说句实在话，行人重识别要做到“完美”，几乎不可能。更多是个“够用”逻辑，别追求玄学精度。