在目前的视频监控中，大部分场景中的人脸很大程度上都是无效的，即不能从人脸识别的角度对场景中人员进行快速有效的信息获取，但一般情况下都能抓拍到行人全身或者上半身的快照，而高清时代的到来，为抓拍的目标提供了更加丰富细粒的信息。以往传统的视频分析技术只能识别活动目标是一个人，但不能更精细的表达出这是一个什么样的人。基于行人语义结构化分析技术，是对人脸识别模块的一个有效补充，对非人脸识别的追踪提供了有效途径。它能够通过对行人的各个部件进行检测、分割、识别，对每个部件进行特征描述，从而可以从整体上对行人进行比传统算法模块更加精细的结构化信息描述。如图1所示对活动目标各个部件的精细描述，为系统进行结构化信息的海量检索提供了基础，系统根据解析的描述属性对库里面信息进行搜索，推荐与指定搜索属性相似的目标，对海量数据的检索提供了快速有效的信息基础。

图1 多维度细粒度任性属性表达

目前可以对如下行人属性进行结构化描述。

系统对行人检测和属性结构化的识别过程如图2所示。

由于实际场景的行人外貌特征在不同摄像头环境下会发生巨大的变化，如视角改变、光照变化、尺度缩放、遮挡物体和姿态变化等因素带来的影响使得搜索精度下降。公司与合作单位武汉大学国家多媒体中心合作研发的基于交互式反馈学习的重排序技术，对目标重新进行搜索，提高重识别的精度。同时该技术在国际顶级会议上获得年度论文奖。如图（3）所示。

图3排序前（左）、重排序后（右）

并在行人特定目标的追踪上展开了应用。通过重排序，返回目标前10%时，精度提升大于10%，准确率达到90%，如图4所示。

图4 特征目标追踪锁定效果展示

表2支持识别的种类