吴岸聪，林城梽，郑伟诗

中山大学计算机学院,广州 510006

0 引 言

随着城市监控系统的完善，对监控视频进行智能分析的需求越发迫切。行人重识别作为智能监控视频分析的基础技术受到越来越多的关注。其任务是跨无交叠视域的摄像头进行行人图像的匹配。由于不同摄像头下采集的行人图像受到光照、分辨率、遮挡和背景变化等影响，这些场景因素导致的数据分布偏移是行人重识别的难点。随着深度学习的迅速发展，基于有监督学习与弱监督学习的算法，行人重识别模型在公开标准数据集上已经能达到很高的性能。

然而，现有的研究大部分集中在基于可见光图像的行人重识别。对于可见光图像无法适用的应用场景，如在跨白天和夜晚或跨室外与室内的情况下，行人图像的外观会受到显著光照变化的影响。在正常光照场景下通常使用可见光图像。而在低照度场景中由于采集的可见光图像质量退化严重，其中包含的信息不具有判别性，难以从中提取特征进行匹配。在这种情况下监控摄像头通常会切换为采集近红外图像，克服光照不足的影响。可见光图像包含红(R)、绿(G)、蓝(B)3个通道，而红外图像包含单个通道。由于成像原理不同，可见光图像与红外图像属于不同模态的数据，存在显著的视觉差异(如图1左侧)，使得现有针对可见光行人图像的方法难以适用。为克服显著光照变化的影响，有必要研究“可见光—红外”跨模态行人重识别问题。……