郭佳骜 刘在田 闰子龙 苗乔伟

近年来，人们对社会公共安全问题的关注度不断提高。视频监控系统的普及成为创建“平安城市”，提高人民社会安全感的有效保障。当下，解决从监控图像与视频中寻找已知人物的行人重识别（ Personre-identification）问题被迅速提上日程，在人工智能领域，神经网络与深度学习算法的应用成为解决此复杂问题的重要途经。

在深度学习领域，神经网络训练需要大量被标注的数据集样本，而在大数据快速发展的今天，在短时间内进行大量的数据标注工作来实现监督学习是不现实的。无监督迁移学习是指将数据标注这种庞大而复杂的工程，通过程序交由计算机处理，处理方式可以通过迁移已有模型进行训练。因此，提高无监督学习的成效成为当下亟待解决的关键问题。

目前在无监督研究领域，多数研究成果是基于迁移学习模块，小部分研究涉及最新的注意力模块的应用，而在多源域方面，目前的研究鲜有涉及。本文通过结合“多源域”与“迁移学习”，研究行人重识别问题，通过对注意力模块的进一步研究，将模块进行结合并论述多源域无监督算法的可行性与应用情况。

研究背景

当下，社会公共安全问题逐渐被人们重视，视频监控系统大量普及，实时监控着人们在公共场所的行为，并作为安防安保建设工程的核心内容。传统监控体系下的人工排查方式会耗费大量人力物力，在大型监控网络中存在明显的劣势。……