1.1 研究行人重识别的目的及意义

随着社会的发展,城市的公共安全逐渐受到公众的关注。监控视频作为目前公众安全管理的重要手段之一,在城市秩序管理、遗失人物查询以及案件侦破中均扮演着极为重要的角色。在这些过程中,目标人物的定位与追踪往往是重要的前提条件。也是这一过程中最为关键的一环，但在实际操作中，却存在以下几点问题：

（1） 监控视频一般分辨率低，较为模糊，所以利用人脸识别等方式无法进行重识别的工作，只能利用头部以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也有可能相同，这对识别的准确度带来了极大的挑战。

（2） 图像往往采自不同的摄像机，由于拍摄地点、摄像头等的差异，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。

（3） 进行重识别的目标图像可能拍摄于不同的时间，目标姿态及衣着会有不同程度的改变，此外在不同的光照条件下，外貌特征也会有很大差异。

（4） 实际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。这时候靠步态等特征就很难进行重识别。

（5） 最为关键的一点，目前大多数监控系统仍处于人工监察的状态，但随着监控网络的不断扩大，使用人工的方式在海量的监控视频找到特定行人的成本将变得越来越高，不仅容易出错，而且费时费力，严重影响了监控系统的时效性。而在案件侦破或是城市的安全防护中，时间往往是最为宝贵的资源，低效的人工检索很有可能会导致错过案件侦破的最佳时机，造成人民生命财产的重大损失。所以使用机器智能来代替低效的人工劳动成为了一种迫切的需求。

因此，针对传统人工方法中的这些不足，人们开始思考能否使用机器智能来准确、高效地完成行人匹配以及定位的任务。在需求出现之后，也有越来越多的研究者投入到这一问题的研究中来，行人重识别(Person Re-identification) 的课题也由此展开。

行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，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。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。

在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术。ReID有一个非常重要的特性就是跨摄像头，所以学术论文里评价性能的时候，是要检索出不同摄像头下的相同行人图片。ReID已经在学术界研究多年，但直到最近几年随着深度学习的发展，才取得了非常巨大的突破。