越來越多地使用AI來幫助人類操作員處理來自CCTV和其他安全來源的大量圖像。人員重新識別(ReID)是一種方法，其中AI可以識別從不同相機或在不同場合拍攝的同一個人的圖像。這有助于在覆蓋大型公共空間的CCTV網絡(例如地下網絡)中追蹤嫌疑犯。對于機器，ReID極具挑戰性，因為它們必須在不同的光源，姿勢和外觀變化(例如衣服)下考慮并區分同一個人。

薩里視覺，語音和信號處理中心(CVSSP)的專家在今年首爾舉行的國際計算機視覺國際會議上發表的論文中，該會議是最負盛名的視覺人工智能會議，來自薩里視覺，語音和信號處理中心(CVSSP)的專家詳細介紹了他們如何開發獨特的系統名為OSNet的OS勝過許多已在使用的流行識別系統。

CVSSP團隊表明，OSNet能夠深入分析各種空間尺度上的信息，以幫助準確地進行重新標識-從最小的細節(例如T恤上的徽標)到其他較大的因素(例如嫌疑人穿的外套類型。

令人難以置信的是，OSNet只需要220萬個參數，這在深度神經網絡模型的背景下是一個很小的數目，勝過許多基于使用2400萬個參數的流行ResNet50基礎架構構建的競爭對手，這暗示OSNet可以成為視覺識別的標準技術。如此小的參數大小意味著該模型可以“在邊緣”部署，這意味著繁重的計算工作可以在攝像機本身而不是在遠程數據中心進行，從而節省了用于從中傳輸大量視頻數據的帶寬攝像機連接到數據服務器。

CVSSP的計算機視覺和機器學習杰出教授Tao Xiang表示：“借助OSNet，我們著手開發一種工具，該工具可以克服其他設置面臨的許多人員重新識別問題，但結果遠遠超過了我們的期望：OSNet所達到的ReID精度明顯超過了操作人員。

“ OSNet不僅顯示出它在許多重新識別問題上的性能優于同類產品，而且結果如此，我們相信它可以單獨用作獨立的視覺識別技術。”

CVSSP主任Adrian Hilton教授說：“這是Xiang教授及其團隊在實現世界領先的重新識別技術方面取得的巨大成就。他們在OSNet上的工作具有突破性的潛力，可以幫助塑造視覺效果。這是人工智能和機器感知技術的一個很好的例子，它造福了社會，為更安全的公共場所提供了使能技術。”