论文笔记-Person Re-identification Past, Present and Future

最新推荐文章于 2023-12-30 23:06:14 发布

yllifesong

最新推荐文章于 2023-12-30 23:06:14 发布

阅读量1.1k

点赞数

分类专栏：行人重识别

行人重识别专栏收录该内容

2 篇文章 0 订阅

订阅专栏

2016_Person Re-identification Past, Present and Future

Liang Zheng, Yi Yang, and Alexander G. Hauptmann

这是一篇有关于Person re-ID 综述性文章。

转载请附原文地址：http://blog.csdn.net/zdh2010xyz/article/details/53741682

Abstract

re-ID变得越来越important。早期，主要是有关hand-crafted算法与小规模的evaluation的文章。近些年，large-scale datasets 与 deep learning系统兴起。文章将目前的re-ID问题分为两大类，image-based和video-based。在每一类的讨论中，都会回顾hand-crafted和deep learning system问题。同时，讨论了两个接近真实应用的new re-ID任务：end-to-end re-ID 与 fast re-ID in very large galleries。

文章贡献：1）介绍了person re-ID的历史，以及其与image classfication 和 instance retrievial的关系。2）详细分析了image-based 与 video-based re-ID任务中的hand-crafted systems与 large-scale methods。3）描绘了end-to-end re-ID与fast tetrieval in large galleries是未来的方向。4）最后简短的叙述了一些under-developed但又很important的问题。

1 Introduction

讲什么是re-ID。开头有关特洛伊战争，没看懂。。。反正就是re-ID很重要，有实践价值。

从技术上讲，实际视频监控系统的person re-ID系统可分为三个模块：person detection，person tracking，和 person retrieval。前两个任务是独立的计算机视觉任务，所以大家主要的工作还是最后一个模块。

论文安排：文章主要讨论的是re-ID的vision part。文章与以前的综述性文献不同的是，本文注重re-ID的subtask（现在available的以及未来可能的），而没有过分细讲techniques或者architectures。特别强调的是：deep learning methds、end-to-end re-ID 以及 large scale re-ID。1.2节介绍re-ID的历史。1.3节介绍re-ID与classification和retrieval的关系。第2、3章分别介绍image-based、video-based的相关文献，每一类都分为hand-crafted与deeply systems方法。第4章回顾了detection、tracking以及re-ID相关的技术，并指出未来研究重点。第5章介绍代表当前最好的retrieval models：large-scale re-ID，这也是未来研究的方向。第6章介绍了一些open issues。第7章结论。

至于与Classification和Retrieval的关系，person re-ID 结合了二者的优势。一方面，在训练阶段，可以从person space学习到区别能力强的ditance metrics或者feature embeddings。另一方面，在检索阶段，有效的indexing structures和hashing techniques将有助于large gallery中query的检索。

2 Image-based person re-ID

主要模型是使用单张图像作为query，模型可描述为closed-word model，G是gallery，包含N张图像，特征可描述为

这N张图像属于N个不同的identities。给定一个probe（query）q，其identity号可以通过过以下公式获得：

2.1 Hand-crafted Systems

从公式(1)，可以看出一个re-ID 系统，包括两个组成部分，image decription与distance metrics。

（1）pedestrian description

使用最多的feature是color，texture features使用相对较少。一般使用的是weighted color histogram（WH）、maximally stable color regions（MSCR）和recurrent high-structured patches（RHSP）。WH 赋予对称轴附近像素更高的权重，对于每个part得到一个color histogram。MSCR主要处理stable color regions，提取特征包括color、area、centroid等。RHSP是纹理特征，recurrent texture patches。

近些年，hand-crafted features所注重的特征多多少少都是一样。Zhao et al. 提取10*10图像块的32-dim LAB color histogram和128-dim SIFT特征。同时，采用Adjacency constrained search技术，按水平划线分块对应匹配的方式，从gallery image中找到最合适的匹配块。这种方式也有很多人研究，代表性的有SCNCD、LOMO以及BoW等。

除了直接提取low-level color和texture features，还有一种选择：attribute-based features，可以看成是mid-level representations。可以确信，相对于low-level descriptors，采用attributes进行image translation具有更强的鲁棒性。已经有很多文献做了这方面的工作，结果表明效果优秀。

（2）Distacne Metric Learning

在hand-crafte re-ID systems中，一个良好的distance metric是至关重要的。原因：high-dimensional visual features typically do not capture the invariant factors under sample variances. 关于metric learning methods，已经有文章详细综述。文章将其分为 w.r.t supervised learning versus unsupervised learning与global learning versus local learning等。在person re-ID，主要是supervised global distance metric learning。

global metric learning，一般而言就是使属于同一类的vector距离尽量closer，不属于同一类的尽量further apart。最常采用的是马氏距离（Mahalanobis distance）。在person re-ID中，最出名的metric learning method 是KISSME（原理没弄懂，以后再补）。

在马氏距离的基础上，一大批metric learning method涌现。Weinberger提出large margin nearest neighbor Learning (LMNN) method、Davis提出information-theoretic metric learning (ITML)。最近，Hirzer提出relaxing the positivity constraint，具有更低的计算开销。Chen在马氏距离中，融合了bilinear similarity，使得cross-patch similarities can be modeled。等等。。。

除了learning distance metrics，也有人关注learning discriminative subspaces（不懂，待以后详述）。同时，也有人采用其他的学习工具，比如说SVM、Boosting。

2.2 Deeply-learned Systems

自从Krizhevsky赢得了ILSVRC 12比赛，CNN-based的深度学习模型得以流行。两类CNN模型广泛应用：1）classification model，用于image classification和object detection。2）siamese model，用于image pairs or triplets。在re-ID使用深度学习的瓶颈是lack of training data。由于大部分数据集为每个identity提供两张图像，所以目前CNN-based re-ID方法主要是采用siamese model。

siamese model的一个缺点是不能完全利用re-ID annotations。其实，siamese model仅仅使用了pairwise (or triplet) labels。另外一个与潜力的策略是采用classification/identification mode，这样可以充分利用re-ID labels。在大规模数据集，如PRW、MARS，classification model取得了在without careful training sample selection情况下的优秀性能。但为了模型收敛，应用identification loss需要更多的training instances per ID。

以上所提到的工作是以end-to-end的方式learn deep features。也可以采用提取low-level features作为输入，比如SIFT、color histograms，整合进入Fish Vector。

2.3 Datasets and Evaluation

第一，数据集的规模在不断扩大。第二，bounding boxes开始采用pedestrian detectors获得，例如DPM、ACF等。第三，采用了更多的摄像头。

Evaluation Metrics，主要是cumulative matching characteristics (cmc) curve。但随着研究的输入，尤其是multiole ground truths的存在，也有人提出mean average precision (mAP)。

Re-ID Accuracy Over the Years，在不断提升。

3 Video-Based Person Re-ID

Vedio-based methods主要关注的multi-shot matching 方案和对temporal imformation的整合。

3.1 Hand-crafted Systems

主要是color-based descriptors。与image-based re-ID类似。主要的不同是距离计算上，这涉及到两个sets of bounding box features。称为“multi-shot”person re-ID。

这些方法主要是基于multiple shots，构建appearance models。现在一个新趋势是incorporate temporal cues in the model。Wang采用spatial-temporal descriptors来再识别行人。特征包括HOG3D，以及the gait energy image (GEI) 步态能量图像。Gao 利用周期性行人，将步态分为几个片段，进行识别。

3.2 Deeply-learned Systems

video-based 和image-based re-ID的明显区别是，with multiple images for each matching unit (video sequence), 在video pooling 后，要么采用multi-match strategy，要么采用a single-match strategy. 在以前的工作中，采用multi-match strategy，但计算量大。另一方面，pooling-based methods，将多个query的vector池化到一个global vector，扩展性好。由此，目前的video-based re-ID都会包含pooling step，可以是max/average pooling，或者从一个fully connected layer获得。

Another good practice：injecting temporal information in the final representation。

3.3 Datasets and Evaluation

multi-shot re-ID的数据集包括ETH、3DPES、PRID-2011、iLIDS-VID,和MARS。

4 Future:Detection,Tracking,and person Re-ID

4.1 Previous Works

尽管现在person re-ID是一个独立的研究任务，但文章认为未来会结合pedestrian detection 和tracking。特别的，文章认为end-to-end re-ID 系统（spotting a query person from raw videos），把raw videos作为输入，整合pedestrian detection 和tracking，再进行re-identification。

目前，大部分re-ID工作都是假定两点：1）给定行人边界匡的gallery。2）边界匡hand-drawn。这样会有很好的检测精度。但是在实际中，这两种假设是不成立的。一方面，gallery 大小会随着detector threshold而变化。低的阈值会产生更多的bounding boxing（更大的gallery，高的recall，但低的precision），反之亦然。re-ID检测的准确度将会由于不同的阈值，而不问题。另一方面，使用pedestrian detectors，bounding boxes中不可避免的会出现错误（misalignment, miss-detection, and false alarms），这将大大影响re-ID的检测准确性，这现在还很少有人考虑这个问题。

第二个问题，很多数据集，如CUHK03, Market-1501, and MARS，与实际场景很类似。在这些数据集中，采用检测器检测的bounding boxes与采用hand-drawn bounding boxes，前者所获得检测精度要比后者低。在MARS数据集中，虽然提出了tracking errors与detection error，但我们不知道tracknig errors是怎么影响re-ID accuracy的。这在end-to-end person re-ID 系统中，如何挑选detectors和tracker将是一个难题。 2016年，xiao和zheng差不多同时提出了基于large-scale dataset的end-to-end re-ID system。都是将raw video frame与query bounding box作为输入。如下图所示：

从图中可以看出，在给定同样re-ID feature的情况下，better better pedestrian detector会产生higher re-ID accuracy。从多篇论文中，可以得出结论，良好的pedestrian detection将有助于person re-ID。

但是，在这些所谓的end-to-end系统中，还没有人研究pedestrian tracking。这一工作被视为整合detection、tracking与retrieval为一个框架的终极目标。此项研究需要提供用于这三个任务的的bounding box annotations的大规模数据集支持。

4.2 Future Issues

1）System performance evaluation

一个适当的evaluation methodology对于end-to-end re-ID任务异常重要，end-to-end re-ID不同于常规的re-ID问题，它带有dynamic galeries。同时，现在还不知道如何evaluate detection/tracking 在person re-ID中的性能表现。下面从两个方面提出问题：

1。针对re-ID中pedestrian detection和tracking的evaluation metrics相当重要。evaluation protocol应该能够quantify and rank detector/tracker performance in a realistin，同时是unbiased manner and informative of re-ID accuracy。由于在person re-ID任务中，只是要找出这个person，并不太关心person检测的准确性。所以，文章认为可以采用miss rate与average precison作为person re-ID中pedestrian detection性能的评价。

另外一个就是AP/MR的计算，这个涉及IoU的值，试验结果表明，IoU阈值取0.7要比取0.5，检测精度更加稳定。文章的建议是larger IoU criteria能保证better localization results，但这个也得根据不同的情况而定。

虽然有了关于pedestrian detection的evaluation，但对于person re-ID中的tracking，现在还是largely unknown。在以前的multiple object tracking (MOT) benchmark，常用multiple object tracking precision (MOTP)、mostly track (MT) targets、the total number of false positives (FP)、the total number of ID switches (IDS)、the total number of times a trajectory is fragmented (Frag)、the number of frames processed per second (Hz)等，可能一些指标会受到处理速度的影响，因为person re-ID中的tracking任务是off-line step。For re-ID, we envision that tracking precision is critical as it is undesirable to have outlier images in the tracklets which

compromise the effectiveness of pooling. We also speculate that 80% might not be an optimal threshold for evaluating MT under re-ID. 在未来的数据集中，一旦考虑考虑re-id的tracking问题，首要任务就是设计出适当的metrics来评价不同的tracker。

2。w.r.t the evaluation procedure concerns the re-ID accuracy of the entire system.

这里涉及到detector的threshold问题，太strict，则gallery少，则目标可能包含不全；太loose，则gallery多，则可能会有更多的背景包含进去。这两种结果对re-ID结果都不好。暂时还没有有效的解决办法，但记住一点，这个gallery的大小是受detector threshold控制，在设计new evaluation metrics要考虑到这个问题。

另外一个点，就是如何从一段给定的视频中定位到query的identy出现的位置，这个任务要比detection/tracking+reidentification相对简单，不要求有那么高的检测精度，只要能定位就行。这个任务中，可以设定loose IoU，将更多的精力放到matching上，即从一大堆的bounding box或者spatial-temporal tube中找到特定的person。

2）The Influence of Detector/Tracker on Re-ID

对于end-to-end re-ID系统，研究detection/tracking methods/data对re-ID的贡献。

第一：pedestrian/tracking errors确实影响re-ID accuracy。但也有去研究表明，detection/tracking errors可以在更早的阶段避免。举个例子，Xiao所提出网络中，他在fast R-CNN sub-model网络中加入localization loss，这对re-ID system的有效定位很有帮助。未来的研究，可以关注person re-ID中detection/tracking quality的独立性。鉴于开发无错误的detector与 tracker是不现实的，文章建议在re-ID matching scores中整合detection confidence。举例：how to correct errors by effectively identifying outliers、how to train context models that do not rely solely on detected bounding boxes.

第二，需要更加关注detection和tracking，如果设计得当，将会大大促进re-ID。虽然我们暂时不能直接看出pedestrian detection/tracking对re-ID有帮助，但可以参考通用image classification and fine-grained classification，可以获取一些线索。如果能够更好的区分不同的identity，会对区分行人与背景有帮助，同样相反也是。

另外一个可以研究的点是unsupervised tracking data。在视频中进行行人跟踪是一件没有那么难得事，虽然不可避免的是会存在错误。但是，人脸识别、颜色、非背景信息都有利于提高tracking的准确性。在追踪的过程中，行人会有比较大的变化。运用这些序列图，即racking results，用来训练pedestrian verification/identification.以减轻对大规模supervised data的依赖。

5 Future：person re-ID in very large galeries

虽然数据库的规模一直在扩大，但很明显，还远未达到时用的地步。所以，person re-ID in very large galleries should be a critical direction in the future.

6 Other important yet Under-developed open issues

6.1 Battle Against Data Volumn

person re-ID中数据集的标注是一件非常难得事情，因为不仅要标注边界匡，还得标注出ID。最近两年，有一些大规模的数据集出现，如Market-1501、PRW、LSPS和MARS，首先得感谢这些数据集的制作者，但这些数据集也还是远未达到实用的地步。文章认为可以有两种替代策略来改善这一问题。

第一：在tracking和detection中使用annotation还有待深入探讨。第二：transfer learning。transfers a trained model from the source to the target domain。

6.2 Re-ranking Re-ID Results

re-identification可以看成是retrieval过程，则re-ranking对于提高检索的精度变得非常重要。

7 结论

略

文章标签： Re-identification image search person re-ID

个人分类： Person re-ID

(".MathJax").remove();

    MathJax.Hub.Config({
            "HTML-CSS": {
                    linebreaks: { automatic: true, width: "94%container" },
                    imageFont: null
            },
            tex2jax: {
                preview: "none"
            },
            mml2jax: {
                preview: 'none'
            }
    });

    (function(){
        var btnReadmore = (".MathJax").remove();    MathJax.Hub.Config({            "HTML-CSS": {                    linebreaks: { automatic: true, width: "94%container" },                    imageFont: null            },            tex2jax: {                preview: "none"            },            mml2jax: {                preview: 'none'            }    });    (function(){        var btnReadmore = $(".MathJax").remove(); MathJax.Hub.Config({ "HTML-CSS": { linebreaks: { automatic: true, width: "94%container" }, imageFont: null }, tex2jax: { preview: "none" }, mml2jax: { preview: 'none' } }); (function(){ var btnReadmore =$ ("#btn-readmore"); if(btnReadmore.length>0){ var winH =

(window).height();vararticleBox= ( w i n d o w ) . h e i g h t ( ) ; v a r a r t i c l e B o x = $(window).height(); var articleBox =$ ("div.article_content"); var artH = articleBox.height(); if(artH > winH*2){ articleBox.css({ 'height':winH*2+'px', 'overflow':'hidden' }) btnReadmore.click(function(){ articleBox.removeAttr("style"); $(this).parent().remove(); }) }else{ btnReadmore.parent().remove(); } } })()

想对作者说点什么？我来说一句

Chapmancp 2018-05-03 11:07:29 #2楼

写的不错，请问博主对近两年的ReID进展有相关资料吗？

举报回复

bless_liang 2017-11-04 21:33:05 #1楼

正在看这篇

举报回复

个人资料

海之崖

关注

原创

171

粉丝

喜欢

等级：

访问：

1万+

积分：

201

排名：

38万+

scrolling="no" src="//pos.baidu.com/s?hei=250&wid=300&di=u3392637&ltu=https%3A%2F%2Fblog.csdn.net%2Fzdh2010xyz%2Farticle%2Fdetails%2F53741682&col=zh-CN&cfv=0&ari=2&ccd=24&dri=0&ant=0&dis=0&ps=479x1262&dc=3&cja=false&pis=-1x-1&cpl=0&dtm=HTML_POST&pss=1908x3516&cmi=0&tlm=1531187401&pcs=1908x636&prot=2&dai=1&cec=UTF-8&exps=111000&drs=1&tcn=1531187401&cce=true&par=1920x988&ti=%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0-Person%20Re-identification%20Past%2C%20Present%20and%20Future%20-%20CSD&chi=9&tpr=1531187401223&cdo=-1&psr=1920x1080" width="300" height="250">

        <div id="asideNewArticle" class="aside-box">
<h3 class="aside-title">最新文章</h3>
<div class="aside-content">
    <ul class="inf_list clearfix csdn-tracking-statistics tracking-click" data-mod="popu_382">
                    <li class="clearfix">
            <a href="https://blog.csdn.net/zdh2010xyz/article/details/54293298" target="_blank">ap、mAP多标签图像分类任务的评价方法</a>
        </li>
                    <li class="clearfix">
            <a href="https://blog.csdn.net/zdh2010xyz/article/details/53647105" target="_blank">Bag of Words(BOW)模型</a>
        </li>
                    <li class="clearfix">
            <a href="https://blog.csdn.net/zdh2010xyz/article/details/53646804" target="_blank">论文笔记-Person Re-Identification Meets Image Search</a>
        </li>
                    <li class="clearfix">
            <a href="https://blog.csdn.net/zdh2010xyz/article/details/50569403" target="_blank">Caffe代码结构初识</a>
        </li>
                </ul>
</div>

个人分类

最新评论

ap、mAP多标签图像分类任务的评…

s1162276945：不明白为什么要把20个点变成6个点，难道仅仅是为了把P-R曲线从非单调函数变成单调的吗
论文笔记-Person Re-id…

Chapmancp：写的不错，请问博主对近两年的ReID进展有相关资料吗？
ap、mAP多标签图像分类任务的评…

Asunany：博主您好
请您看下我最后利用自己的model 检测测试图像,得到的mAP=0 ,,竟然是0?请问…
论文笔记-Person Re-id…

qq_37786222：正在看这篇
ap、mAP多标签图像分类任务的评…

qq_29141667：faster -rcnn两种ＡＰ计算方式

    <div class="aside-box">
                    <div id="_y5c1tz3n1tl"><iframe scrolling="no" src="https://pos.baidu.com/s?hei=250&amp;wid=300&amp;di=u3163270&amp;ltu=https%3A%2F%2Fblog.csdn.net%2Fzdh2010xyz%2Farticle%2Fdetails%2F53741682&amp;pss=1908x3516&amp;cdo=-1&amp;ant=0&amp;psr=1920x1080&amp;ti=%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0-Person%20Re-identification%20Past%2C%20Present%20and%20Future%20-%20CSD&amp;cce=true&amp;cec=UTF-8&amp;cpl=0&amp;dai=2&amp;ccd=24&amp;col=zh-CN&amp;tcn=1531187401&amp;tpr=1531187401223&amp;chi=9&amp;prot=2&amp;cfv=0&amp;exps=111000&amp;tlm=1531187401&amp;dtm=HTML_POST&amp;pis=-1x-1&amp;cja=false&amp;drs=1&amp;cmi=0&amp;ari=2&amp;pcs=1908x636&amp;dis=0&amp;ps=2031x1262&amp;par=1920x988&amp;dc=3&amp;dri=0" width="300" height="250" frameborder="0"></iframe></div><script type="text/javascript" src="//cee1.iteye.com/avneunkwb.js"></script>
                </div>
            <div class="aside-box">
        <div class="persion_article">
        <div class="right_box footer_box csdn-tracking-statistics" data-mod="popu_475" data-dsm="post">        <h3 class="feed_new_tit"><span class="line"></span><span class="txt">联系我们</span></h3>        <div class="contact-box">        <div class="img-box"><img src="//csdnimg.cn/pubfooter/images/csdn_cs_qr.png" alt="客服"></div>        <div class="contact-info">        <h4>请扫描二维码联系客服</h4>        <p><svg width="16" height="16" xmlns="http://www.w3.org/2000/svg"><path d="M2.167 2h11.666C14.478 2 15 2.576 15 3.286v9.428c0 .71-.522 1.286-1.167 1.286H2.167C1.522 14 1 13.424 1 12.714V3.286C1 2.576 1.522 2 2.167 2zm-.164 3v1L8 10l6-4V5L8 9 2.003 5z" fill="#B3B3B3" fill-rule="evenodd"></path></svg><a href="mailto:webmaster@csdn.net" target="_blank"><span class="txt">webmaster@csdn.net</span></a></p><p><svg width="16" height="16" xmlns="http://www.w3.org/2000/svg"><path d="M14.999 13.355a.603.603 0 0 1-.609.645H1.61a.603.603 0 0 1-.609-.645l.139-1.47c.021-.355.25-.845.51-1.088 0 0 3.107-2.827 3.343-2.909 0 0-.029-2.46 1.2-2.46h3.635c1.112 0 1.202 2.469 1.202 2.469l3.32 2.9c.26.243.489.733.51 1.088l.139 1.47zM7 10a1 1 0 0 0 0 2h2a1 1 0 0 0 0-2H7zm7.806-5.674c.105.135.191.384.19.554l-.003 2.811c0 .17-.133.26-.295.2l-2.462-.999a.478.478 0 0 1-.296-.416V5.445c0-2.07-7.878-2.225-7.878 0v1.21c0 .17-.135.352-.3.404L1.3 7.904c-.165.052-.3-.044-.3-.213V4.88c0-.17.086-.42.191-.554C1.191 4.326 2.131 2 8 2s6.807 2.326 6.807 2.326z" fill="#B3B3B3"></path></svg><span class="txt"> 400-660-0108</span></p>        <p><svg width="16" height="16" xmlns="http://www.w3.org/2000/svg"><path d="M14.496 10.35c-.301-1.705-1.565-2.822-1.565-2.822.18-1.548-.481-1.823-.481-1.823C12.31.915 8.089.998 8 1 7.91.998 3.689.915 3.55 5.705c0 0-.662.275-.481 1.823 0 0-1.264 1.117-1.565 2.822 0 0-.16 2.882 1.445.353 0 0 .36.96 1.022 1.823 0 0-1.183.392-1.083 1.412 0 0-.04 1.136 2.527 1.058 0 0 1.805-.137 2.347-.882h.476c.542.745 2.347.882 2.347.882 2.566.078 2.527-1.058 2.527-1.058.1-1.02-1.083-1.412-1.083-1.412a7.986 7.986 0 0 0 1.022-1.823c1.604 2.529 1.445-.353 1.445-.353z" fill="#B3B3B3" fill-rule="evenodd"></path></svg><a href="javascript:void(0);" class="qqcustomer_s" target="_blank"><span class="txt">QQ客服</span></a>        <svg width="16" height="16" xmlns="http://www.w3.org/2000/svg"><path d="M7.325 13.965a6.5 6.5 0 1 1 7.175-6.4C14.467 11.677 11.346 15 7.5 15c-.514 0-1.015-.06-1.498-.172.488-.178.922-.48 1.323-.863zM4 7.5a4 4 0 1 0 8 0 .5.5 0 1 0-1 0 3 3 0 1 1-6 0 .5.5 0 0 0-1 0z" fill="#B3B3B3" fill-rule="evenodd"></path></svg><a href="http://bbs.csdn.net/forums/Service" target="_blank"><span class="txt">客服论坛</span></a>        </p>        </div></div>        <div class="bg-gray">        <div class="feed_copyright">        <p><a class="right-dotte" href="//www.csdn.net/company/index.html#about" target="_blank">关于</a><a href="//www.csdn.net/company/index.html#recruit" target="_blank" class="right-dotte">招聘</a><a href="//www.csdn.net/company/index.html#business" target="_blank" class="right-dotte">广告服务</a>        <a href="https://www.csdn.net/gather/A" target="_blank" class="footer_baidu">        网站地图</a></p>        <p class="fz12">©2018 CSDN版权所有 <a href="http://www.miibeian.gov.cn/" target="_blank" class="ml14">京ICP证09002463号</a></p>        <p class="fz12 fz12_baidu"><svg width="13" height="14" xmlns="http://www.w3.org/2000/svg"><path d="M8.392 7.013c1.014 1.454 2.753 2.8 2.753 2.8s1.303 1.017.47 2.98c-.833 1.962-3.876.942-3.876.942s-1.122-.36-2.424-.072c-1.303.291-2.426.181-2.426.181s-1.523.037-1.957-1.888c-.434-1.927 1.52-2.982 1.666-3.161.145-.183 1.159-.873 1.81-1.963.653-1.09 2.608-1.962 3.984.181zm1.23 5.706V9.346H8.64v2.534h-.937s-.3-.044-.356-.285V9.33l-.925.015v2.518s.042.627.925.855h2.277zm-3.685.013V7.951l-.896-.014v1.295H3.987s-1.054.086-1.422 1.28c-.129.798.114 1.266.156 1.368.043.099.383.682 1.238.852h1.978zm-2.433-1.45c-.087-.286.013-.613.057-.741.042-.128.228-.427.61-.54h.855v1.948h-.797s-.555-.029-.725-.668zm6.877-8.775c-.143.909-.865 2.108-1.99 1.962-1.121-.144-1.375-1.16-1.267-2.179C7.214 1.458 8.21.18 9.007.364c.796.18 1.52 1.235 1.374 2.143zm-4.09-.345c0 1.197-.68 2.164-1.52 2.164S3.25 3.36 3.25 2.162C3.25.967 3.932 0 4.77 0c.842 0 1.52.967 1.52 2.162zm4.854 2.09c1.34 0 1.701 1.309 1.701 1.743 0 .438.182 2.29-1.485 2.326-1.667.037-1.737-1.126-1.737-1.96 0-.874.179-2.11 1.52-2.11zm-7.93.581c.045.398.253 2.217-1.27 2.544C.427 7.704-.14 5.947.028 5.124c0 0 .18-1.78 1.412-1.89.98-.085 1.7.986 1.774 1.6z" fill="#999" fill-rule="evenodd"></path></svg><em>百度提供支持</em></p>        </div>        <div class="allow-info-box">        <p><a href="http://www.hd315.gov.cn/beian/view.asp?bianhao=010202001032100010" target="_blank"><span>经营性网站备案信息</span></a></p>        <p><a href="http://www.cyberpolice.cn/" target="_blank"><span>网络110报警服务</span></a></p>        <p><a href="http://www.12377.cn/" target="_blank"><span>中国互联网举报中心</span></a></p>        <p><a href="http://www.bjjubao.org/" target="_blank"><span>北京互联网违法和不良信息举报中心</span></a></p>        </div>        </div>        </div></div>
    </div>
</div>

("a.flexible-btn").click(function(){ ("a.flexible-btn").click(function(){ $("a.flexible-btn").click(function(){$ (this).parents('div.aside-box').removeClass('flexible-box'); $(this).remove(); })