徐龙壮，彭 力，朱凤增

（江南大学 物联网工程学院物联网技术应用教育部工程研究中心，江苏 无锡 214122）

0 概述

行人重识别是一项在多摄像头采集的行人图像库中识别出特定行人的技术，其广泛应用于智能监控与安保领域，可在庞杂的视频监控图像中快速锁定并追踪目标行人。不同摄像头通常无重叠视域且安装位置与角度不同，受光照、视角、姿态与遮挡等因素影响，目标行人在不同摄像头拍摄的画面中外观存在差异［1］，这增加了行人重识别难度。因此，行人重识别任务仍面临较大挑战，成为近年来计算机视觉领域的研究热点。

研究人员最早利用纹理特征、边缘特征、颜色直方图和联合特征等进行行人重识别，然而上述特征识别度有限且重识别精度较低，无法应用于大规模复杂的行人重识别任务。随着深度学习技术的发展，出现了基于卷积神经网络的重识别方法，使行人重识别精度大幅提升，深度学习网络在行人重识别领域得到广泛应用。文献［2］提出一种基于视角信息嵌入的行人重识别模型，利用改进的深度分离卷积提取视角单元特征，提高了网络泛化能力。文献［3］提出一种异常值标签平滑正则化方法，利用生成式对抗网络形成图像并与原数据集图像共同训练，从而获得鲁棒性更好的特征。

上述方法均使用图像全局特征，然而由于在复杂情况下图像全局特征识别度有限，因此研究人员采用更易被识别的局部特征提升重识别精度。……