覃嘉辉

（深圳市鸿捷源自动化系统有限公司，广东 深圳 518028）

0 引言

随着信息科技的快速发展，由于社会安全问题，对监控图像及视频的研究成了一个重要方向，包括对目标的检测、识别、追踪等,可与行人检测/跟踪技术相结合，广泛应用于智能视频监控、智能安保等领域[1]。

1 行人重识别相关技术

1.1 卷积神经网络（CNN）

卷积神经网络是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。

CNN主要有卷积层、池化层和全连接层。

卷积层通过对原始图像进行卷积计算得到一个特征层，特点是参数共享及局部连接，降低了网络参数，提高性能。

池化层对得到的特征层进行降维操作，降低了计算量，扩大感受野。

全连接层用于分类任务中最后层级，该层神经元个数即为网络类别数，当前层的所有神经元与前一层全部连接。

1.2 行人重识别技术难点

摄像头的不同，同时行人兼具有刚性和柔性的特征，外观易受穿着、尺度、遮挡、姿态和视角等影响，还涉及行人隐私问题。

1.3 常用数据集和评价指标

用于行人重识别任务常用的数据集有以下几种：

（1）Market1501数据集。拍摄于清华大学，6个不同的摄像头拍摄的行人图像32217张。

（2）DukeMTMC-ReID数据集。来自Duke大学，8个不同的摄像头含1812个行人的图像36441张。

（3）CUHK03数据集。共有2个摄像头所拍摄的行人图像14067张，拍摄于香港中文大学。

通用的评价指标有以下几种：

（1）第一匹配率（Rank-1）

Rank-1是指首位命中的概率，公式表达为：

m为查询集中的行人图片总数，Si=1代表对于查询集中的第i张行人图像，恰好为同一行人图像，结果越高，性能越好。……