论文阅读笔记（一）相关综述

学习内容：

基于深度学习的行人重识别研究进展(自动化学报.2019)——第1-2章

渐进式行人重识别关键技术研究（博士论文.2019）——第1章

【由于刚开始接触Re-ID，尚未学习深度学习，理解较为粗浅，仅仅阅读了通识部分，算法章节待基础学完再去理解。】

 

1、什么是行人重识别？

行人重识别 (Person re-identification) 也称行人再识别, 被广泛认为是一个图像检索的子问题, 是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术, 即给定一个监控行人图像检索跨设备下的该行人图像. 行人重识别技术可以弥补目前固定摄像头的视觉局限, 并可与行人检测、行人跟踪技术相结合, 应用于视频监控、智能安防等领域. 

通俗理解：在不同的摄像头中跟踪同一个人。

 

2、行人重识别系统的构成：行人检测+行人重识别

 

3、识别的难点：

（1）不同行人外观相似；

（2）同一行人在不同角度下姿态不同；

（3）行人被遮挡；

（4）收集数据的光线条件差异。

 

4、基于图像的行人重识别：

（1）基于特征学习的方法：

　　将行人图像划分多个区域，对每个区域设计多种不同的局部底层视觉特征（如颜色、纹理、形状等），或者中层特征（如头发长短、鞋子颜色、携带物品等），再从全局角度将它们联合成能否反映行人外观属性的特征表示。

（2）基于距离度量学习的方法：

　　侧重于学习用于识别不同摄像机拍摄环境中行人的距离度量或判别子空间，做到相同行人之间的距离足够小、不同行人之间的距离足够大。

（3）基于深度学习的方法：

将特征学习和度量学习两个独立的环节联合在统一的深度神经网络模型中。

应用的相关技术：

GAN：生成对抗网络

CNN：卷积神经网络