换装行人重识别研究进展

• 全文链接
• 请求原文

作   者：

张鹏;  张晓林;  包永堂;  贲晛烨;  单彩峰; 

作者机构：

商汤智能科技有限公司;  山东大学信息科学与工程学院;  山东科技大学电气与自动化工程学院;  山东科技大学计算机科学与工程学院; 

关键词：

换装行人重识别;  深度学习;  特征学习与表示;  特征解耦;  生物特征;  视频监控;  数据驱动学习; 

期刊名称：

中国图象图形学报

i s s n：

1006-8961

年卷期：

2023 年 28 卷 005 期

页   码：

1242-1264

摘   要：

行人重识别旨在建立目标行人在多个无交叉覆盖监控区域间的身份联系,在智慧城市、司法侦查和监控安全等领域具有重要应用价值.传统行人重识别方法针对短时间跨度场景,依赖行人外观特征的稳定不变性,旨在克服光照差异、视角变化和物体遮挡等挑战.与之不同,换装行人重识别针对长时间跨度场景,除受限于上述挑战还面临换装带来的外观变化问题,是近几年的一个研究难点和热点.围绕换装行人重识别,本文从数据集和解决方法两个方面综述国内外研究进展,探讨面临的挑战和难点.首先,梳理并比较了当前针对换装行人重识别的数据集,从采集方式、行人及样本数量等方面分析其挑战性和面临的局限性.然后,在简单回顾换装行人重识别发展历史的基础上,将其归纳为基于非视觉传感器的方法和基于视觉相机的方法两类.针对基于非视觉传感器的方法,介绍了深度传感器、射频信号等在换装行人重识别中的应用.针对基于视觉相机的方法,详细阐述了基于显式特征设计与提取的方法、基于特征解耦的方法和基于隐式数据驱动自适应学习的方法.在此基础上,探讨了当前换装行人重识别面临的问题并展望未来的发展趋势,旨在为相关研究提供参考.