摘 要 行人重识别是指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。随着生成对抗网络的发展，行人重识别技术也得到了突破。本文根据生成对抗网络对数据集扩充的角度，对现有行人重识别文献进行详细的总结和分析。

关键词 行人重识别;深度学习;生成对抗网络;计算机视觉

行人重新识别是指给定目标行人图像，从其他的摄像机捕获的图像中重新识别目标行人的过程。行人重识别可以弥补当前固定摄像机的视觉限制，可以与行人检测、姿态估计方向相互配合，用于视频监控、智能安全等领域。

生成对抗网络[1]在近几年得到了蓬勃的发展，其中一个重要应用就是图片生成。深度学习方法需要依赖大量训练数据，目前行人重识别的数据集总体来说规模还是比较小。为此生成对抗网络在重识别系统[2]中得到广泛应用，接下来将从扩大标签图片方面总结行人重识别的发展趋势。

1DG-net网络行人重识别算法

基于生成对抗网络的行人重识别系统中，绝大部分将数据生成模块与重识别模块相分开。先依靠生成对抗网络扩充数据集，然后依靠重识别系统返回目标行人的图片。DG-net网络将数据生成和重识别统一到同一个框架中，实现端到端的行人重识别。生成模型会将行人编码成外观代码和结构代码，通过交换外观代码和结构代码，生成高质量交叉ID的混合图像。通过将外观代码在线反馈判别器模型，来改进判别器，实现数据生成与重识别间相互关联。……