对于公安部门来说，虽然人脸识别摄像机已经遍布城市，但面对反侦察能力强的嫌疑人，现有的视频监控系统很难成为助力：摄像头覆盖角度有限、分辨率低、面部信息捕捉不足、嫌犯行迹追踪困难都成为了人脸识别摄像头在公安领域应用的典型难题。
而reid（行人重识别）技术则从特殊人群检索的巨大需求下应运而生。
reid技术也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。即通过一个监控行人的图像，即可检索跨设备下的该行人图像。旨在弥补固定摄像头的视觉局限，并可与行人检测／行人跟踪技术相结合，广泛应用于智能视频监控、智能安保等系统。
跨场景人脸识别已成为公安口重要需求
近年来，reid技术得到了大规模的重视，并屡屡得到突破。仅在今年5月，就有多项世界纪录再次被刷新。然而技术水平高并不意味着可以雄踞市场高位。从落地的角度来看，reid的实战案例还是很少，仅有云从、旷视等少数几家企业在公安口进行了有效的尝试。而技术与落地之间的矛盾，带来的则是投资者对于这项技术的广泛质疑。
reid的虚：算法刷榜真的没有意义吗？
不同于前几年ai概念的大红大紫，如今的投资者对于算法能力高低的兴趣已经大打折扣，一个个被收购的例子告诉他们，如今比起算法是否能够“霸榜”，数据策略是否正确、业务与技术的对接是否顺利已经成为了更让他们关心的问题。
然而自reid这个技术领域，情况略微有所不同，因为对于公安口来说，比起能够减少多少人力消耗，更重要的问题是能否最大程度上减少错判、误判的可能性。
目前即便是测试水平最佳的算法，准确率也仅有98．88％，而1％以上的误判率，在火车站等人流量大的场所将带来非常多的误判报警，得不偿失。所以业界对于算法的测试结果都尤为关注。
而且同其他ai竞赛不同，在reid这个赛道上，有公认的三个权威主流公开数据集，即cuhk03、duke－mtmc和market1501。几乎所有的reid竞赛都会在这三个数据集中进行测试。在此基础上，所有的reid的能力可以很轻松的进行横向对比，不同厂商算法之间的差距一看便知。
各算法之间比较非常直观
在此基础上，甲方可以很容易就得到反映算法综合性能的指标map（平均精度值），直观地估算算法的实战价值。
不过遗憾的是，即便是在duke－mtmc中map值最高的腾讯优图（成绩截至5月20日），map也只达到了91．1％，比起准确度已经突破99．5％的人脸识别，reid技术显然还有很大的进步空间。
更令人担忧的是，仅仅是数据集并不能代表reid技术在实战当中的效果，从得到的反馈来看，reid技术的落地还有众多难点需要克服。
