苑春苗，牛 瑛，郭 涛，李 鑫

1.天津工业大学 天津市自主智能技术与系统重点实验室，天津300387

2.天津工业大学 计算机科学与技术学院，天津300387

3.天津工业大学 电子与信息工程学院，天津300387

4.天津工业大学 经济与管理学院，天津300387

在进行跨摄像头人物匹配时，由于人脸识别技术广泛存在后脑勺和侧脸的情况，做正脸的人脸识别就很困难；另外，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片，匹配效果经常失效。因此，跨摄像头人物匹配通常采用行人重识别（person re-identification，Re-ID）[1]技术。Re-ID即在非重叠摄像头中人物匹配的过程，一般可以表述为图像的排序问题：给定一个人的查询图像（query image），需要根据其相似性对所有的库图像（gallery image）进行排序。该技术可广泛应用于智能视频监控、智能安保等领域。

对于目前行人重识别存在的一些挑战，近几年来国内外学者主要通过以下三个方向进行研究：第一是通过局部特征提取[2-4]方法；第二是通过距离学习方法[5-6]；第三是通过深度学习方法[7-10]。这些Re-ID方法在匹配过程时，目标人物的服装信息在局部特征中占有较大的比重，而当目标行人在查询库和图像库中衣服特征发生改变的时候，这些算法的性能都将会下降，不能准确地将更换衣服后的行人匹配出来。

由此可见，行人重识别的方法严重依赖于服装信息。在实际应用中，查询图像中的人和图像库中的人可能穿不同的衣服。例如，一个罪犯可能会穿上不同的衣服，以避免在他或她离开犯罪现场后被跟踪；……