李梦静，吉根林，赵 斌

（南京师范大学计算机与电子信息学院/人工智能学院，南京 210023）

视频行人重识别是指在不同摄像头拍摄的行人视频中判断是否存在特定行人的技术，用来解决不重叠监控视野中行人身份匹配的问题［1］。这种针对特定人的视频检索具有重要的研究意义，在失踪者定位、犯罪跟踪和智能安防等方面有着广泛的应用［2］。随着近年来视频监控范围不断扩大、监控点数量增多，数据量持续猛增，给存储及使用带来了巨大限制［3］。据报道，中等城市的监控规模一般为数千到数万个摄像头，以1080P 为例，在8 M/s的码率下，每只摄像头每天产生的视频数据约84 GB，一般要求这些数据必须在系统中保存30 d以上，这对存储空间的大小要求很高；另一方面，这些海量视频监控数据中存在大量时间冗余，即不同帧的行人外观特征之间存在极大的相似性。使用所有的帧图像进行识别会降低查询效率，也会给准确性带来不利影响。如何去除视频时间冗余、提高识别准确率并保留关键的视频帧以减少视频数据的物理存储空间是一个值得研究的问题。

传统的视频行人重识别方法不考虑时间冗余，对视频内所有帧进行最大池化或平均池化以得到视频级特征。平等地对待所有帧不仅会耗费巨大的计算代价，也会因为大量噪声的存在导致算法性能的退化，所以提取关键帧尤为重要。视频行人重识别中的关键帧提取是在相似的特征组中只保留一个特征，仅使用部分具有鉴别力的特征进行识别以提高识别准确率和效率，一般来说关键帧是视频内不同视角或者不同行人姿态的帧。……