基于风格转换的无监督聚类行人重识别

张智，毕晓君

（1. 哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001; 2. 中央民族大学 信息工程学院，北京 100081）

行人重识别是利用计算机视觉技术来判断无视角交叠摄像头间是否存在相同行人的技术。行人重识别技术作为提升智能监控系统自动化程度的关键技术已经成为研究热点，该技术常与行人检测与跟踪技术结合，广泛用于智能视频监控与公共安防的刑侦工作等。目前，深度学习理论[1]在各个领域都大放异彩，现在行人重识别领域[2]最优秀的模型都是基于深度学习的方法。

基于深度学习的行人重识别方法主要分为2大类，有监督学习的行人重识别[3-4]和无监督学习的行人重识别[5-8]。有监督学习需要大量的标注样本指导模型训练，由于实际应用中样本标注的成本十分昂贵，无监督学习的行人重识别方法不需要大量的有标签样本，因此无监督方法更具有实际应用价值。无监督方法较有监督方法更难实现，源域和目标域间的差异性过大是目前该领域需要解决的问题。截止到目前，对于无监督行人重识别，国外研究刚刚起步，而在国内还属于研究空白。因此，无监督学习的行人重识别方法研究具有重大意义。

目前，无监督行人重识别的研究工作中，均使用有标签源域数据对模型进行预训练，用无标签的目标域数据对模型进行正式训练以及测试。但是，研究中存在域间差异性过大问题，大幅度影响模型的识别率。2017年，Zhong等[5]首次提出域连接性学习方法构建源域和目标域之间的联系，该方法一定程度上构建了源域与目标域之间的特征空间关系，但没有有效解决域间巨大差异性问题。……