陈林锋，雷景生，吴宏毅，朱陈思聪，叶仕超

浙江科技学院 信息与电子工程学院，杭州 310000

随着安防需求的日益增加，越来越多的摄像头安装在学校、游乐园、银行、停车场、社区等场所，形成了大型分布式监控网络。成熟的监控网络能够切实保障社会的平稳运行、人身以及财产安全。学校安装摄像头可以保证学生的人身以及财产安全，银行可以通过监控视频识别与跟踪不法分子，社区安装摄像头来保证居民的人身以及财产安全。在面对不同摄像头下行人身份关联的问题时，由于摄像机拍摄角度以及分辨率的原因，无法得到可靠的人脸图片进行身份识别，这时候就需要行人重识别技术。行人重识别是指在跨摄像头跨场景下行人的识别与检索，即给定一个要查询的人，确定这个人是否在不同的时间出现在另一个地方，由不同的摄像头捕捉到。由于光照变化、摄像头视角变化、行人在视频画面中姿态变化以及遮挡等问题的存在，使得同一行人在不同时刻不同场景下被摄像头捕捉到的图像差别很大，这为行人重识别带来了巨大的挑战[1]。

近年来，随着机器学习的理论以及应用取得了巨大的进步，深度学习作为其重要分支，也在各个领域大放异彩。基于深度学习的行人重识别方法增强了表征信息的提取，促进了度量学习方法的革新，提升了在各个数据集上的检索性能。

全局特征学习方法通过使用先进的深度学习技术来提取行人的表征信息，然而，在光照、遮挡等不受限的环境下，只依靠全局特征的行人重识别方法无法解决较大的类内差异，通常会导致检索性能大幅下降，无法再准确识别行人[2]。……