1. 研究目的与意义（文献综述）

行人重识别（personre-identification，简称 reid）是现在计算机视觉研究的热门方向，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。简单来说，它不仅可以依靠人脸，还可以通过穿着、体态、发型等确定人员身份^[1]。

人脸识别技术经过近年的发展，已较为成熟，在众多的场景与产品中都已有应用，但人脸识别技术只用到了人的脸部信息，而没有利用人体其它信息，例如衣着、姿态、行为等，另外在应用时必须要能抓拍到人脸，这在很多场景下无法满足，例如低头、背影、模糊身形、帽子遮挡等等。该技术可以作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性。

对于这样一个技术，数据挖掘及数据分析依托有效数据，数据量以及分析方法，在大数据时代下，分析方法已经非常成熟，但有效数据以及数据量方面还需要重识别技术特定区域去获取，行人重识别技术与人脸识别技术类似，存在较多的困难点需要克服，例如光线、遮挡、图片模糊等客观因素。另外，行人的穿着多样，同一人穿不同的衣服，不同的人穿相似的衣服等等也对行人重识别技术提出更高的要求。

2. 研究的基本内容与方案

一、研究目标

一方面，单个区域内多个摄像头可以捕捉到行人在该区域不同角度的图像信息，在完成图像捕捉后，交由基于深度学习网络的行人重识别模型进行学习，以此确定行人身份。另一方面，在多区域多个摄像头的辅助下完成确定身份人员在多个区域的移动轨迹。完成数据收集后，对轨迹数据进行挖掘，推测行人移动特点，以此实现行人异常行动监测等安全监控。

二、研究内容

3. 研究计划与安排

（1）2019/1/14—2019/1/22：查阅参考文献，明确选题；

（2）2019/1/23—2019/2/22：进一步阅读文献，完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。

（3）2019/2/23—2019/4/30：对采集的相关数据集进行分析，数据增强；模型的建立与改进；

4. 参考文献（12篇以上）

[1] 宋婉茹, 赵晴晴, 陈昌红, et al. 行人重识别研究综述[j]. 智能系统学报, 2017, 12(06):770-780.

[2] 齐美彬, 檀胜顺, 王运侠, et al. 基于多特征子空间与核学习的行人再识别[j]. 自动化学报, 2016, 42(2):299-308.

[3] 仇春春, 杨星红, 程海粟, et al. 基于特征表示的行人再识别技术综述[j]. 信息技术, 2016(7):195-198.