张子昊，周千里，3，王蓉，*

（1.中国人民公安大学 警务信息工程与网络安全学院，北京 100038；2.安全防范技术与风险评估公安部重点实验室，北京 100038； 3.北京市公安局，北京 100740）

利用视频监控进行案件侦破时，多数场合只能看清行人的身体部分，同时需要进行跨视域的连续跟踪查找，因此行人再识别对于查获犯罪嫌疑人及可疑人员，寻找发现侦查破案所需的线索与信息至关重要。行人再识别核心思想是利用行人的整体特征对没有视野重叠覆盖的跨摄像机行人图像间建立对应关系。

依据提取特征方式不同，行人再识别可分为基于特征表达、基于度量学习以及基于深度学习等方法。基于特征表达的方法主要是通过提取行人图像的颜色、纹理、形状和属性特征来对行人进行再识别，但这些浅层的人工特征易受到行人姿态以及行人图片光照、分辨率的影响。基于度量学习的方法是对特征进行相似度度量，主要依靠的是欧氏距离［1］以及马氏距离［2］，然而，由于受行人图像复杂背景的影响，使得基于度量学习在行人匹配上遇到了识别精度不高的瓶颈。基于深度学习的方法将特征表达与度量学习结合在一起，实现了端到端的行人再识别，此类方法通过海量的数据来训练模型，使提取到的行人特征更具泛化性。Yi等［3］利用一个孪生网络［4］，将输入图片分割为3个重叠的水平条纹，并使用卷积层分别提取3个条纹的特征，最终融合成为一个特征向量作为输出，然后再进行相似度比较。……