基于人体部件特征的行人重识别

苏曜，何坤，彭橦，惠子薇

（1.四川大学计算机（软件）学院，成都 610065；2.四川大学电子信息学院，成都 610065）

0 引言

行人重识别是指采集范围互不重叠的摄像头下所获取的行人视频流来识别同一行人。近年来，随着时代信息化、智能化的不断发展，行人重识别已成为大规模监控网络中行人目标跟踪［1］和人类行为分析［2］的一个重要课题。但由于所获取的图像中行人外观受光照、视角、姿态、遮挡等因素的影响，因此行人重识别仍面临巨大的挑战。

目前的行人重识别算法主要分为基于深度学习的方法和传统方法。基于深度学习的行人重识别算法一方面利用深度学习获取表征能力强的行人特征来提高识别准确率［3］，另一方面通过训练正负图像对得到具有较高识别能力的相似性度量网络［4］。基于深度学习的方法通过对大量的数据进行训练可以获得很好的效果，但是由于行人重识别数据集的数据量相对较少，所以其性能较差。

相比于基于深度学习的行人重识别方法，传统方法不需要进行大量的训练，对行人图像提取特征并识别更为高效。根据不同方法在行人重识别中的侧重点不同，传统方法可分为基于特征提取和基于度量学习的方法。基于度量学习的方法旨在通过学习距离函数或度量使类间差异最大而类内差异最小，其多采用马氏距离的度量方式，通过样本训练得到不同的度量空间。但是基于度量学习的方法在识别效果对样本的依赖程度很大，而且在不同场景下其性能表现也各不相同。……