韩建栋，李晓宇

（山西大学计算机与信息技术学院，太原 030006）

0 引言

行人重识别主要研究对于多个摄像头下不重叠区域的某一个指定目标行人如何进行快速准确的重新识别的问题。在不断增长的社会需求的推动下，行人重识别是一项极具挑战性的课题，也有着广泛的应用前景和研究价值，可以有效弥补目前固定摄像头的视觉局限，广泛应用于智能视频监控、智能安保等领域。行人重识别一词最早是在2005 年，由Zajdel等［1］提出，指的是在同一个人离开相机视野后重新进入时，可以重新识别出这个人。该方法主要是对于每一个行人都假设存在唯一的身份标签，然后通过动态贝叶斯网络对标签和特征之间的概率进行编码处理，对于重新进入视野的行人通过推断身份标签的分布来确定其身份。在此基础上，研究人员主要从特征表示和度量学习［2-3］两个方面进行研究。其中，特征表示主要致力于低级特征，如局部描述符、颜色直方图和人体姿势［4-5］等。

近年来，随着深度学习在计算机视觉领域的广泛应用，国内外众多研究者们开始研究利用深度学习来解决行人重识别问题。早期的基于深度学习方法中，人们将行人重识别任务视为分类任务或者验证任务，Chen 等［6］提出一种分类子网络模型，首先对输入的若干对目标行人图像进行预测行人身份信息操作，然后计算出两张图像的误差损失。Lin 等［7］则是利用其他一些目标行人的性别、衣着等属性信息作为辅助，使得模型的泛化能力有了很大的提升。……