李玲莉，谢明鸿，李 凡，张亚飞 ，李华锋，谭婷婷

(昆明理工大学 a.信息工程与自动化学院； b.云南省人工智能重点实验室 昆明 650500)

行人重识别是一种从不同相机视角下在采集的行人图像中搜索出相同行人的技术，在智能监控中发挥重要作用，因此受到研究者的广泛关注。在现实监控环境中，同一行人的不同图像常常因相机视角差异、光照变化等影响呈现出不同的外貌特征，这给行人重识别带来了极大挑战。由于不需要进行大量人工样本标记，近年来无监督域自适应行人重识别方法已成为研究热点之一。这些方法主要是通过无监督域不变特征提取、对抗学习和图像风格迁移等手段来减小源域与目标域之间的差异。然而，无监督域不变特征提取的方法往往很难挖掘具有判别性的特征信息；基于对抗学习的无监督方法提取到的特征往往是来自不同域样本的共有信息，丢失了不同域样本之间的特有信息，容易加剧样本特征之间的歧义性；基于图像风格迁移的方法虽然有效，但容易导致迁移图像标签信息改变。

不同数据集之间产生域偏移的主要原因之一是相机的成像风格不同。从图1可发现来自同一视角下的行人图像，呈现出相似的风格信息，如果将这些图像的视觉特征由矩阵表示，这个矩阵在数学上就会呈现出低秩性。因此根据这种低秩先验性，设计一种域不变特征分离模型，将风格信息从图像特征中分离出去，这种策略不仅能缓解不同视角之间域偏移给行人重识别带来的挑战，还能保持行人身份特征信息不发生改变，避免传统无监督域自适应方法的标签迁移。……