孙 鑫 庄珊娜 王正友

（1.石家庄铁道大学信息科学与技术学院 石家庄 050043）（2.河北省电磁环境效应与信息处理重点实验室 石家庄 050043）

1 引言

人工智能系统可感知环境并为执行特定任务而采取行动［1］。计算机视觉通过计算机获取有效视觉信息，是人工智能的核心元素之一，在工业、农业、交通、医疗等领域广泛应用，并不断推进产业智能化。行人重识别［2～5］技术是当前计算机视觉研究的热门方向，为图像检索问题，即根据行人的衣着、姿态、发型等信息从非重叠摄像机视角下的行人图像库中找到与某行人属于同一身份的图像。实际中，监控视频被采集于不同场景，由于光线、检测、跟踪的误差、遮挡和背景杂波等因素，图片中行人外观常存在严重变化。另一方面，受限于视频监控探头的安装高度及密度，实际拍到更多的是行人的头顶、背部或侧脸。此外，即使拍到行人正面，由于距离、行走速度等原因，也可能导致拍摄图像模糊不清。加之各种摄像机分辨率也不尽相同，给行人重识别带来了极大挑战。

针对行人重识别的研究起始于20世纪90年代中期。研究者们借鉴并引入了图像处理和模式识别领域的成熟方法，侧重研究行人的可用特征与简单分类算法。传统行人重识别方法采用多种手工标注的特征，如颜色［6］、纹理［7］和渐变［8］等，在小型数据集上取得了一定的成效。但由于手工标注数据耗费巨大，并不适用于大规模搜索。类似的限制也发生在通过优化特征距离函数的传统距离矩阵学习方法上［9］。……