姜国权，肖禛禛，霍占强

（河南理工大学计算机科学与技术学院，河南焦作 454000）

0 概述

行人再识别（Re-Identification，ReID）技术是目前智能图像检索、视频监控等领域的热门研究方向，由于该技术与社会公共安全密切相关，因此可与目标检测与跟踪等技术相结合应用于疑犯追踪、灾难预警和智能安防等任务中［1］。行人再识别要求在跨设备条件下对已知身份行人库中的特定身份行人进行搜索并找到与其匹配的所有结果［2］，主要包括行人图像预处理、特征提取和相似性计算3 个步骤，其中，图像预处理包括图像翻转、裁剪、缩放及像素归一化等操作，特征提取对算法性能起到决定性作用，相似性计算通过计算特征之间的欧式距离实现。

近年来，研究人员提出了大量行人再识别方法并取得了重要研究成果。现有方法可大致分为基于特征设计和基于多任务学习的行人再识别方法两类。基于特征设计的行人再识别方法的关键在于设计可靠且具有判别力的模型以提取行人图像的鲁棒特征。该模型可以是人工设计模型与基于端到端的深度学习模型，人工设计模型获取的特征主要是HSV 颜色直方图［3］、尺度不变局部三元模式描述符（SILTP）［4］等低层次特征。文献［5］为每个图像局部块提取11 维颜色命名的描述符，并使用词袋模型将其聚合为1 个全局向量。文献［6］提出一种特征表示方法（LOMO），该方法分析局部特征水平并将其最大化后针对视点变化进行稳定表示。

随着卷积神经网络（Convolutional Neural Network，CNN）的发展［7］，基于深度学习的特征设计方法不断被提出。……