杨 戈,叶杰强

1(北京师范大学珠海分校 智能多媒体技术重点实验室,珠海 519087)

2(北京大学深圳研究生院 深圳物联网智能感知技术工程实验室,深圳 518055)

1 引言

行人再识别(person Re-IDentification,ReID)是指在不同背景的非重叠摄像头视域下,确认在不同场景和不同时间出现的行人是否为同一个人,在视频监控中,当出现一个目标行人时,行人再识别会判断这个人是否在另一个地方(时间)被另一个摄像机观察过.作为一个新兴的方向,也是计算机视觉领域近年来研究热点之一,近几年越来受到的关注越来越高.这一方向的出现可以归结为:(1)公众安全需求的增加;(2)遍布于公园、大学校园和街道等地区的摄像机网络.这两种原因都使得仅仅依靠蛮力的人为标注来准确和有效地识别或者追踪目标行人是非常昂贵的.从计算机视觉的角度来看,行人再识别中最具挑战性的问题是如何在密集的外观变化下,如照明、姿态和视点等,正确匹配同一人的两幅图像,其具有重要的科学价值和应用前景.

近几年,深度学习(Deep Learning,DL)的急速发展,卷积神经网络(Convolutional Neural Networks,CNN)成功进入人们的生产生活中,使用深度学习与卷积神经网络的解决行人再识别的问题是最有效的一种方式之一[1].按照训练损失将卷积神经网络分为度量学习与表征学习,按照是否具有局部特征分为局部特征与全局特征,根据数据集的不同可以分为基于单帧和基于序列.一种生成对抗网络(Generative Adversarial Nets,GAN)的方法利用生成新数据来……