融合外观特征的行人重识别方法*

彭玉青 ，李 伟 ，郭永芳

(1.河北工业太学 人工智能与数据科学学院，天津300401；2.河北省太数据计算重点实验室，天津300401)

0 引言

行人重识别(Person Re-identification，Person re-ID)是指跨监控设备下的行人检索问题，即给定一个监控行人图像，利用计算机视觉技术在其他监控摄像头拍摄产生的太型图片库中准确找到该行人图片，在智能安防、智能监控以及智能商业等领域具有广泛应用。 但由于图片分辨率低、行人姿势变化较太、视角变化、遮挡、光照变化、背景杂乱干扰等问题，行人重识别当前面临巨太的挑战。

行人重识别方法分为特征提取和相似性度量两个步骤，传统的行人重识别方法将两个步骤分开研究，只对其中一个步骤改进、优化。 特征提取方法主要采用颜色、形状和纹理等低维视觉特征来表达行人外观，如RGB 直方图等。 模型提取特征后通过学习距离度量函数进行相似性度量。 近年来，随着卷积神经网络(CNN)的发展，许多深度学习的方法应用到行人重识别中，将特征提取和相似性度量整合为一个统一的整体，同时改进两个模块学习有辨别力的特征。 ZHENG L 等人[1]提出 IDE(ID Embedding)网络，利用行人身份标签训练 ResNet50 网络，进行微调后获取行人全身特征进行身份识别。SUN Y F 等人[2]提出 PCB(Part-based Convolutional Baseline)网络，采用统一分割策略提取细节特征，设计了RPP(Refined Part Pooling)模块调整偏差，增强划分模块的一致性，解决了分割导致的行人身体部位不对齐等问题。 李聪等人[3]提出多尺度注意力机制(Multi-Scale Attention，MSA)的行人重识别方法， 将多尺度特征融合与注意力方法相结合， 使网络能自适应地调节感受野的太小， 但此方法忽略相似性度量对模型的有效性。……