马吉忠 ， 谢 一 ， 马全海 ， 武文魁 ， 李文琪 ， 李 玥

（甘肃农业大学信息科学技术学院，甘肃 兰州 730070）

0 引 言

随着大数据时代的到来，摄像机网络越来越多地部署在每个角落。人们通过智能视频应用实现目标跟踪、异常行为检测等需求变得日益强烈。而Re-ID应用和研究意义在社区中也变得越来越流行，但Re-ID仍然面临许多挑战，例如人物姿势，照明和背景杂乱的变化很大。而深度学习则不同，它与人工提取特征的方式不同，它的适应性很强，可以很好地挖掘数据的深层特征，建立深层网络之间的相互联系，从原始图像数据中学习更加高级的语义特征，使得特征更具辨识能力和鲁棒性。而此次研究中对于行人再识别技术，通过基于属性标签和ID标签的互补性，提出了一个基于属性的人识别（APR）网络。

1 研究方法及成果

Person Re-ID和属性识别都意味着在视频监控中有着关键的应用。在本文中，通过使用属性标签的补充提示来提高大规模Re-ID的性能。

其中属性标签的有效性有三方面：1）使用属性标签进行训练可以提高Re-ID模型的判别能力。通过相似性来区别这些人，这可以用相似的彼此靠近，不相似的彼此远离。2）详细的属性标签明确指导模型通过指定的人文特征学习人的表征。通过属性标签，该模型能够通过关注一些局部语义描述来学习并对行人分类，从而极大地简化了模型的训练。3）可以使用属性来加速Re-ID的检索过程，其主要思想是筛选出一些与查询属性不同的图像。……