行人重识别技术是指在视角不重叠的多个摄像头下对同一目标行人进行图像匹配的技术，从而实现跨镜的目标物的智能视频检索与跟踪，在公共安全、工业场景等方面发挥着关键的作用。从行人重识别技术的研究历程出发，通过查阅国内外行人重识别技术的研究现状，对行人重识别技术中经典的特征提取方法与度量学习方法进行综述分析，梳理行人重识别研究过程中常用的图像数据集、视频数据集与评价指标，并对典型应用场景中常见的问题进行总结性分析。研究表明，无论在安防还是工业领域，都会遇到光照变化和遮挡问题，为此提取更具针对性的特征是行人重识别技术的重大挑战，将多种特征提取方法与度量学习方法结合使用，对于提升行人重识别算法的精度大有裨益，其中FastReID算法在Market-1501数据集上的Rank-1与mAP值更是达到95.40%和88.20%,与IDE相比分别提升19.8%和31.2%。最后得出行人重识别技术的3大研究趋势：大规模视频数据集的支撑算法；算法模型的精准性、鲁棒性与实时性；结合行人检测与跟踪技术，提升匹配精度等。

陕西省重点研发计划项目(2022GY-152);陕西省重点研发计划项目(2021SF-479)；

0 引 言
1 基于特征学习的行人重识别
1.1 传统特征提取算法
1.2 基于深度学习的特征提取
2 基于度量学习的行人重识别
3 应用分析
3.1 常用数据集
3.2 评价指标
3.2.1 准确率和召回率
3.2.2 F1得分
3.2.3 累计匹配曲线
3.2.4 平均精度均值
3.3 应用场景分析
1)工厂人员安全管控。
2)矿井人员定位。
3)商业ReID。
4)手机相册聚类。
5)小区安防。
6)公共场所智能寻人。
3.3.1 光照变化
3.3.2 遮挡问题
4 结 论

赵安新,杨金桥,史新国,刘帅,师文,李学文.视觉行人重识别研究方法分析及评价指标探讨[J].西安科技大学学报,2022,42(05):1003-1012.DOI:10.13800/j.cnki.xakjdxxb.2022.0520.