曾涛，薛峰，杨添

（合肥工业大学计算机与信息学院，合肥 230601）

0 概述

随着智能安防和视频监控领域的需求与日俱增，行人重识别（Re-Identification，ReID）受到了越来越多研究人员的关注［1-2］。行人重识别可以看成一个图片检索任务，利用计算机视觉技术判断给定的图片或视频序列中是否存在特定行人，即给定一张待识别的行人图片，在其它摄像头拍摄到的视频中检索出与待识别行人具有相同身份的行人图片。在现实场景中，视角变化、行人姿态变化、物体遮挡、图像低分辨率等不利因素［3］导致行人重识别算法难以提取充分、有效的行人特征，造成行人重识别精度较低。因此，如何提取判别性强的行人特征是行人重识别研究的重点。

在深度学习技术普及之前，与大部分图像分类识别一样，行人重识别主要通过手工设计图像特征来实现，计算过程繁琐，识别效果较差，难以满足复杂环境变化下行人重识别任务的要求。近年来，基于深度学习的行人识别技术取得了较大的进展和突破，其识别准确率较基于人工特征的方法有了大幅提高，成为行人重识别领域的主流方法［4］。按照行人特征表达方式的不同，可以将基于深度学习的行人重识别方法概括为基于全局特征、基于局部特征和基于注意力机制3 种方法。

基于全局特征的行人重识别将整张行人图像表示成一个不包含任何空间信息的特征向量，并对图像进行相似性度量。文献［5］提出一个身份判别性编码方法，将行人重识别问题看成分类问题，即将同一个行人的图片看成同一类的图片，在训练过程中利用行人的ID 标签计算分类损失。……