肖雅妮，范馨月，陈文峰

1.重庆邮电大学 通信与信息工程学院，重庆400065

2.光通信与网络重点实验室（重庆邮电大学），重庆400065

在当今社会，各地政府在公共场所关键点、交通路口、生活小区、停车场等区域安装大量摄像头，因此获得了海量的行人数据，而针对如何在复杂场景下获取人脸、步态等信息，并进行行人检索的问题，就需要行人重识别技术。行人重识别是指在已知来源与非重叠摄像机拍摄范围的视频序列中识别出特定行人的技术，即指给定某摄像头拍摄到的某行人图片，在资料库中检索该行人被其他摄像头拍到的图片[1]。由于摄像头位置、角度和参数设置不同，行人姿态频繁变化，以及背景干扰、遮挡和成像质量不稳定等原因，同一行人在不同时刻不同摄像头拍摄的图片中存在较大差异[2]，这使得行人重识别的研究具有很大的挑战性。而深层网络可以提取到的行人细节相比传统算法效果更显著，因此目前的行人重识别研究主要以深度学习的方向为主。

由于人体结构具有强分辨[3]，所以大部分算法的研究重心放在如何使模型获得更多的行人表征特征上。目前大部分算法是从整体图片获取到行人的特征，具有代表性的如文献[4]提出的是行人重识别最基础的网络框架，相比传统算法效果得到了一定提升但由于特征学习部分未引入增强机制，错失对局部的学习、算法效果不显著。文献[3]在行人身份ID的基础上，额外增加行人属性，算法效果提升一些的同时增加了复杂度，由于忽略了部分不显著或不经常出现的详细信息，相比文献[4]算法效果增益小，且仅使用全局特征在算法的测试部分不利于分辨不同行人和同一个行人不同摄像头的照片。……