黄 盼，朱松豪，梁志伟

（南京邮电大学自动化学院、人工智能学院，江苏南京 210023）

人的再识别（行人重识别）旨在从部署在不同视角的多台非重叠摄像机中检索出同一个人［1－2］。例如，给定一个摄像机视角下的行人图像，该算法试图检索不同摄像机捕捉到的同一行人的图像［3］。由于其在智能视频监控和刑事调查应用中的必要性，它在计算机视觉社区中吸引了越来越多的关注。但因为存在遮挡、类内变化以及类间相似性等问题，人员重新识别仍然是一项具有挑战性的任务。类内变化包括同一人在不同视角下看起来不同的情况［4－5］。 典型的类内变化包括视角变化、不受限制的姿势［6－7］和不同的照明［8］等。 类间相似性是指不同的人在不同的视角下可能看起来几乎完全一样，尤其是当他们穿着同样的衣服，体型相似时。

尽管存在这些挑战，但随着深度学习技术的发展［9－10］，可见光行人重识别已经取得了令人振奋的进步，并实现了高精度［11－14］。 然而，可见光行人重识别无法在黑暗条件下工作，一个人可能在白天出现在一个摄像机中，而晚上重新出现在另一个摄像机中。

随着技术的发展，大多数监控摄像机可以在黑暗条件下自动从可见光模式切换到红外模式，利用红外摄像机采集的视觉信息进行黑暗条件下的人员重识别，因此有必要在24小时智能监控系统中研究可见光⁃红外行人重识别跨模态匹配，也就是可见光⁃红外行人重识别［15］。与可见光－可见光单模态匹配相比，可见光⁃红外行人重识别跨模态匹配难度较大，因为两种模态之间存在较大差异。……