一、课程导论：跨摄像头人脸识别追踪

各位同学好，我是这门课的主讲。在正式开始之前，我想先聊聊——跨摄像头人脸识别追踪到底是什么？

说白了，就是让机器在多个摄像头画面里，认出同一个人，并且持续跟踪他的行动轨迹。你想想看，一个商场装了上百个摄像头，每个摄像头拍到的都是局部画面。如果只靠单摄像头，人一走出画面就丢了。跨摄像头追踪要解决的，就是“人走了，但系统还能跟上”。

我最早接触这个方向是在一个智慧园区项目里。客户要求：员工从进大门到进办公室，全程不能被跟丢。当时我天真地以为，调几个API就能搞定。结果一上手才发现——光照一变，人脸就崩；换个角度，特征全乱；人一多，遮挡严重。嗯，那段时间真是踩坑踩到怀疑人生。

1.1 应用场景：安防、零售、智慧城市

这三个领域是当前落地最成熟的。我分别说说我的实际感受。

安防领域

公安追逃、重点区域布控、人员轨迹回溯。我记得有一次做测试，系统在火车站抓拍到一个嫌疑人，然后通过8个摄像头接力跟踪，最终在出站口锁定。整个过程不到3秒。说实话，那种成就感是写代码给不了的。

• 重点人员布控：黑名单实时告警
• 轨迹回溯：输入人脸，输出24小时路径
• 区域入侵检测：跨摄像头联动报警

零售领域

这个方向我参与过两个项目。核心需求是：顾客进店后，能不能识别出他是谁、逛了哪些区域、最终买了什么。

• VIP识别：老客户一进门，导购手机就收到提醒
• 热区分析：哪个货架停留时间长，哪个区域没人去
• 动线优化：根据顾客行走路径调整商品陈列

但这里有个坑——隐私合规。我曾经在一个项目中，因为没处理好数据脱敏，被法务部门叫停了整整两周。所以后面我会专门讲，如何在合规前提下做追踪。

智慧城市

这个范围就大了。城市级摄像头网络、交通枢纽、大型活动安保。我参与过的一个智慧交通项目，需要在500路摄像头中实时追踪一个走失老人。系统最终在3分钟内给出了老人的完整轨迹，从地铁站到公交站再到小区门口。

• 城市级人员管理：常住人口、流动人口画像
• 交通枢纽监控：地铁、机场、火车站多摄像头接力
• 大型活动安保：演唱会、马拉松、展会人员管控

场景	核心需求	典型摄像头数量	实时性要求
安防	布控、告警、回溯	10~1000+	秒级
零售	识别、分析、营销	10~200	秒级~分钟级
智慧城市	轨迹、统计、应急	100~10000+	秒级~毫秒级

1.2 技术挑战：为什么这么难？

我刚开始做这个方向时，觉得“不就是人脸识别加个跟踪嘛”。结果第一个Demo就翻车了。这里我把最核心的四个挑战列出来，都是我在项目中真实踩过的坑。

光照变化

同一个人的脸，在室内日光灯下、室外阳光下、地下车库暗光下，拍出来的图像差异巨大。我做过一个测试：同一张人脸，在不同光照下的特征距离，竟然比不同人脸的还大。你说这怎么搞？

• 解决方案思路：光照归一化、多光谱融合、自适应曝光
• 我的经验：别指望单一算法解决所有光照问题。我在项目中用了“光照分类器+专用模型”的组合策略，效果提升明显。

视角差异

摄像头A拍到的是正面，摄像头B拍到的是侧面45度，摄像头C拍到的是俯视。人脸特征在视角变化下会严重变形。我曾经在项目中遇到过：同一个人的正面和侧面，被系统判定为两个人。

• 解决方案思路：3D人脸重建、姿态归一化、多视角特征融合
• 避坑指南：我曾经以为加一个姿态校正网络就能搞定，结果训练数据不够，反而把模型搞崩了。后来我改用“多视角特征对齐”的思路，效果更稳定。

遮挡

口罩、墨镜、帽子、围巾，甚至只是用手挡一下脸。2020年之后，这个问题变得尤其突出。我参与的一个安防项目，因为口罩遮挡，识别率直接从95%掉到了60%。

• 解决方案思路：局部特征匹配、人体+人脸联合建模、遮挡感知网络
• 我的建议：不要只依赖人脸。我在项目中加入了“人体ReID+人脸”的双模态方案，遮挡时用人体的整体特征做补充。

实时性

摄像头每秒25帧，每帧可能包含几十张人脸。你要在几十毫秒内完成检测、识别、关联、跟踪。算力成本是个大问题。我记得有一次，算法精度做到98%，但延迟到了500ms，客户直接说“不能用”。

• 解决方案思路：模型轻量化、边缘计算、流水线并行
• 避坑指南：我曾经为了追求精度，堆了一个大模型，结果在边缘设备上跑不动。后来我学会了“精度-速度-成本”三角平衡，先定硬件再定算法。

1.3 课程整体架构

这门课一共30章。我把它分成四个阶段，每个阶段解决一个核心问题。下面这张图可以帮你快速建立全局认知。