李越 穆晓芳 郭怡凡

（太原师范学院 山西省太原市 030619）

1 引言

随着人们生活水平的提高，对社会安全的要求也更上一层楼，视频监控系统大量普及势在必行。例如校园、公园、小区和车站等公众场所，都需监控系统来为社会安全保驾护航。如此庞大的监控系统，必然产生海量的监控数据。若对如此海量的监控数据进行人工检索，效率极低，且浪费社会资源。若采用计算机视觉技术进行自动化监控，必然可以加提高社会安全，帮助城市安防建设。

行人重识别是计算机视觉领域研究中的一大分支。一般意义上的行人重识别，是在拍摄到的图片或者视频中，检索特定行人的图片或者视频。虽然学者们夜以继日的对行人重识别进行探索与研究，使得准确率越来越高。但目前仍有许多问题决。由于待识别的样例图片与视频拍摄来自不同相机，设备的差异造成不同的成像条件，有些误差相当巨大；不同场景下的环境变化巨大，数据的采集也会产生不同程度的偏差；颜色受光照条件的影响变化巨大；尤其是姿态变化与遮挡问题，都影响着目标辨别的难度。

继2012年AlexNet 成功以后，深度学习成为图像领域研究一大热门，卷积神经网络开始大显身手，并广泛应用于各个分支[1-3]。行人重识别通过深度网络进行图像特征提取，并应用于相应的特征空间上，并使用深度学习或传统方法进行相似度度量，使行人重识别的准确率极大地提高。但由于使用深度卷积网络模型对图像特征进行提取，在判别时也受限于给定的特征，使深度模型的判别能力受到限制[4]。……