一些关于reid的概念

不论是基于图片还是视频的reid,都是先提取特征，然后再进行度量学习（metric learning)

视频行人重识别：

1）提取特征：

传统方法：LOMO特征、HOG3D特征、GEI特征等等

深度学习方法：IDE （ID-discriminative embedding):就是训练一个分类的网络（基于ImageNet进行fine tune)，前5层卷积层，6、7是1024个神经元的全连接层，第8层是ID数目的分类层。然后当作分类任务训练网络。训练完成后，用第7层的输出作为提取的特征

实例解析：

对于视频行人重识别，大多是把视频序列按帧来处理，MARS这篇文章提出了先把视频序列图片分成若干小块8*8*6，分块提取HOG3D特征（96维），对于一个视频序列因长度不同，势必结果是ni * 96。然后作者通过词袋模型将其变成了2000维的特征，对不同长度的视频均可。

在MARS这篇文章提出的第二种IDE特征方法中，作者把一个视频序列的每一帧都送入CNN提取一个特征，然后将所有帧的特征进行pooling获得一个代表视频序列的特征(MARS和PRID用max pool, iLIDS用avg pool)。

2）度量学习：

KISSME、XQDA等，效率和准确率都很高