行人重识别也称行人再识别，是利用计算机视觉技判断图像或者视频序列中是否存在特定行人的技术，被认为是一个图像检索的子问题。随着视频采集技术和大规模数据存储技术的快速发展，大型摄像机网络越来越多地被部署在公共场所，传统的人工监控技术已难以应对由此产生的海量视频，而且社会安全问题也越来越严峻，智能视频监控技术成为解决这一问题的主要途径。研究该问题对公共安全和刑侦也有着非常重要的现实意义。

行人重识别是指给定一幅行人图像，在已有的可能来源于非重叠摄影机视域的图像或视频序列中，识别出目标行人。行人重识别的图像一般来源于不同的摄像头，由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，因此如何准确且快速的识别出特定行人，成为了这一课题主要研究方向。

行人重识别的研究面临着诸如图像分辨率低、视角变化、姿态变化、光线变化以及遮挡等带来的诸多挑战。如今的监控视频的画面一般比较模糊，分辨率也比较低，所以利用人脸识别等方式无法进行重识别的工作，只能利用头部之外的人体外观信息进行识别，而不同行人的体型和衣着服饰有可能相同，这为行人重识别的准确度带来了极大的挑战。并且行人重识别的图像往往采自于不同的摄像机，由于拍摄场景、摄像参数不同，行人重识别工作一般存在光照变化及视角变化等问题，这导致同一个行人在不同摄像机下存在较大的差异，不同行人的外貌特征可能比同一个人的外貌特征更相似。进行重识别的行人图像可能拍摄于不同的时间，行人姿态、衣着会有不同程度的改变。此外在不同的光照条件下，行人的外观特征也会有很大的差异。而且实际视频监控下的场景非常复杂，很多监控场景人流量大，场景复杂，画面很容易出现遮挡等情况，这种时候靠步态等特征就很难进行重识别。以上的各种情况都给行人重识别的研究带来了巨大的挑战，因此目前的研究距离实际应用层面还有很大的距离。这也给这一研究领域提供了巨大的空间发展。

1.国内外现状

相对于行人检测来说，行人重识别的研究还不算成熟，行人重识别的研究起始于二十世纪九十年代中期，在 2006 年，行人重识别的概念第一次在CVPR 上提后，相关的研究不断涌现。2007年Gray提出一个对于行人重识别的研究具有重大意义的数据库VIPeR。此后越来越多的学者开始关注行人重识别的研究。近些年，每年在国际顶级的会议以及顶级期刊上关于行人重识别的工作也不在少数。

早期的研究者们借鉴、引入了一些图像处理、模糊识别领域的成熟方法，侧重于研究行人的可用特征、简单分类算法。到了2010年，行人重识别技术的训练库开始大规模化，广泛采用深度学习框架，深度学习不仅应用于提取高层特征，也为度量学习的研究带来了革新。行人重识别最开始是在基于图片的情况下，即在每个数据集中每个摄像机视角下只有一幅或者几幅行人图像。但是视频相较于图像而言拥有更多信息，并且基于视频的研究更符合视频监控环境下的现实情况。所以越来越多学者开始重视并研究视频下的行人重识别的解决办法。

2.文献综述

现如今行人重识别的研究越来越火热，而在大多数现有的研究方法中，他们将重识别问题转化为计算目标图像与候选图像之间距离度量问题，并且提出来许多方法。但是大多数的方法都没有注意到摄像头参数和图像背景对重识别结果会造成的影响。在章东平、许丽园的研究中，他们首先为每一对摄像头学习一个距离度量模型，然后根据摄像头对结果的影响强度再为这些模型分配相应的权值，最后对度量模型与它相应权值的乘积进行累加与优化,得到最终的距离度量模型。这种研究方法可以有效的优化现有的基于距离度量学习的方法，能够有效的排除设备所带来的影响，值得学习。

在行人重识别研究中，行人姿态改变是个很头疼的问题。在王金,刘洁,高常鑫,桑农的研究中，他们先将训练集中的行人图片进行稠密图像块采样获得图像块集合, 然后对每一个图像块提取其局部表观空间特征, 最后在此特征集上聚类得到通用的行人部件字典。通过这部字典，将行人分割后向部件字典投影，再进行匹配，成功率会高很多。但是我认为这种方法的资源占用会很大，因为需要对训练库进行采样提取。

在宋婉茹,赵晴晴,陈昌红,干宗良,刘峰的研究中，详细的对行人重识别研究的成果和方法进行了概述。他们从图片和视频两方面进行描述，内容比较丰富，适合入门的我快速了解这一研究。