基于全局与局部特征融合的行人重识别结题报告.docVIP

基于全局与局部特征融合的行人重识别结题报告

一、研究背景与问题提出

在智能视频监控、智慧交通、新零售等领域，行人重识别（PersonRe-Identification,ReID）技术扮演着愈发关键的角色。其核心目标是在不同摄像头、不同场景下，准确识别出同一行人，实现跨镜头的行人追踪与身份匹配。随着城市监控网络的不断扩张，摄像头数量呈指数级增长，拍摄场景的复杂性也日益提升，行人姿态变化、遮挡、光照差异、视角转换等问题给传统行人重识别技术带来了巨大挑战。

传统的行人重识别方法多依赖全局特征提取，即将行人图像作为一个整体进行特征编码。然而，这种方法在面对行人局部遮挡、姿态剧烈变化等情况时，容易丢失关键的身份信息。例如，当行人携带大件物品导致身体部分被遮挡，或者行人处于弯腰、侧身等非标准姿态时，全局特征会受到无关区域的干扰，导致识别准确率大幅下降。此外，不同摄像头之间的拍摄视角差异，会使得同一行人的全局特征呈现出显著差异，进一步增加了跨镜头匹配的难度。

为解决上述问题，本研究提出了一种基于全局与局部特征融合的行人重识别方法。通过同时提取行人的全局特征和局部特征，并设计有效的融合策略，充分利用行人图像中的多层次信息，提升在复杂场景下的行人重识别性能。

二、相关研究综述

2.1全局特征提取方法

早期的行人重识别研究主要聚焦于全局特征提取。这类方法通常将行人图像输入到卷积神经网络（CNN）