距离度量

行人重识别是指根据输入行人图像在监控网络中搜索该行人的其他图像。该技术在嫌疑目标搜索、失踪人员查找以及跨摄像头目标跟踪领域有广泛的应用前景,并逐渐成为计算机视觉领域的研究热点。由于在实际监控场景下,人脸等生物特征通常无法被有效捕捉,因此目前行人重识别主要依据行人的外观信息,如衣服颜色、服装类型以及体态特征等。行人重识别任务的核心难点在于,受摄像机视点变化、行人姿态变化、场景亮度变化等因素的影响,同一行人被不同摄像头拍到的图像差异会很大。针对该难点,本文主要从度量学习的角度入手开展研究,即在给定行人特征的条件下,如何学习得到一个鲁棒的距离函数,使其能够真实反应行人图像身份的差异。目前行人重识别的研究算法可以分为两大类:基于特征表示方法和基于模型学习的方法。基于特征表示的方法通过设计一些描述子来提取行人图像中具有区分性和稳定性的特征,而不是从数据中自动学习特征。而模型学习的方法中,基于特征变换学习的方法计算复杂度高且受光照和摄像机参数的影响很大,基于距离度量学习的方法对具有复杂分布的异构数据的鲁棒性不强。