张晓伟，吕明强，李慧

（青岛大学 计算机科学技术学院，青岛 266071）

行人重识别（Person Re-identification）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某一特定行人的图像识别技术，其在智能化的公共安全领域扮演着重要角色。跨域行人重识别也被认为是图像检索的一个子问题，旨在弥补单一、固定摄像头的视觉局限，可与行人检测、行人跟踪技术相结合，检索跨摄像机设备下的同一标识的行人图像，被广泛应用于智能视频监控、智能安保等领域，具有重要的研究意义和应用价值。

近年来，伴随深度卷积神经网络的发展，行人重识别在同一场景（单域）数据集下取得了巨大的进展［1-2］。行人重识别技术从基于深度卷积神经网络的全局特征开始向更细粒度的局部特征方向发展。基于全局特征的行人重识别主要基于深度卷积神经网络结构输出的整体行人区域作为行人图像的重识别特征，研究如何基于全局特征设计更为合理的网络损失函数。其中，为解决行人检测对行人重识别的影响，Han等［3］开发了一个可区分的ROI变换层，将行人检测器产生的边界框从原始图像中转换出来生成更可靠的边界框。在损失函数的设计方面，主要有对比损失（Contrastive Loss）［4］、三元组损失（Trip let Loss）［5］、四元 组 损 失（Quadruplet Loss）［6］和 中 心 聚 类 损 失（Center Loss）［7］等。

由于全局特征不具有细粒度的区分能力，在光照条件、背景、人体姿势和成像视角的变化下，同一ID标识的行人在不同视图之间的特征辨识度明显降低。……