摘  要：行人重识别在模式识别中占据很大的比重，这项技术的目的是识别出不同摄像机在不同时间且处于不同环境下的行人是否为相同身份。为了更好地表达行人特征，提出了一种数据增强和多层反向传播网络的方法（DAML）。文章认为样本图像类型的稀少和深度网络传播过程中数据丢失是导致识别率低的重要因素。我们希望增加图像样本数量，让深度网络中的每一层都進行回传，以提高识别率。在Market-1501、CUHK03和DukeMTMC-reID等主流数据集上，我们的方法取得了较好的效果。

关键词：行人重识别;数据增强;多层反向传播;特征

中图分类号：TP391.4       文献标识码：A文章编号：2096-4706（2021）13-0170-03

Pedestrian Re-Identification Research Based On Data Enhancement and Multiple Layer Back Propagation Network

LUO Feng

（Aviation Maintenance Sergeant School， PLA Air Force Engineering University， Xinyang  464000， China）

Abstract： Pedestrian re-identification occupies a large proportion in pattern recognition. The purpose of this technology is to identify whether pedestrians under different cameras at different times and in different environments have the same identity. In order to express the characteristics of pedestrians better， a data augmentation and multiple layer back propagation network method （DAML） is proposed. It is considered that the scarcity of sample image types and data loss in the process of deep network propagation are important factors leading to low recognition rate. We hope to increase the number of image samples and let each layer in the deep network pass back to improve the recognition rate. Our method has achieved good effects on mainstream data sets such as Market-1501， CUHK03 and DukeMTMC-reID.

Keywords： pedestrian re-identification; data enhancement; multiple layer back propagation; feature

0  引  言

行人重识别是一种使用计算机视觉技术来评估特定行人是否出现在图像或视频序列中的技术，被广泛认为是图像检索的子问题。具体来说，提供一个查询人物图像，然后我们希望匹配在人物图像候选集中相同的人物图像。然而，只要使用检测器，误差是不可避免的。常见的影响因素有视角、遮挡物、照明条件以及人物姿势的变化，它们使行人重识别问题成为一个非常具有挑战性的课题。因此，我们提出：（1）一种在不改变标签数量的情况下进行数据增强的方法，并将其应用于人的重新识别，以获得鲁棒性更强的特征，从而提高识别率。（2）一种多层反向传播网络的方法来连接深度模型各层的特征，该方法关注不同层之间的特征信息，以提高精度。

1  相关方法

数据扩充和特征表示是行人重识别技术的两个重要组成部分。……