- 选题背景和意义：
随着城市、乡镇人口流动性的密集性的不断增加，人们对城市安全提出了更高的要求，而完善的智能安防视频监控体系则是推进建设平安城市、提高社会安全治理水平的重要保证。
人工智能技术提出之前，想要从视频中找到目标人物，安防部门需要借助人力来比对大量的视频、图像等信息。随着监控设备数量的急剧增加，安防领域搜集到的影像图片以等比几何增加，使用有限的人力对图像进行数据分析已经不再可行。同时，受现实场景复杂环境的影响，在安防监控视频中无法获取完整清晰的人脸图像。另外，由于行人外观易受视角、穿着、遮挡、姿态等因素的影响，摄像头无法时刻捕捉到正面人像影像。
对于以上难题，行人重识别技术成为智慧安防领域的新兴解决技术手段。行人重识别（Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，旨在解决识别大规模视频数据中重复出现的相同人物。
行人重识别技术作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性。未来，这项技术可以广泛用于视频监控、智能安保、智能商业等领域。在公共安全领域，行人重识别技术能够帮助公安人员快速筛查可疑人员，建立快速反应安全防控机制的同时精准重拳打击犯罪分子，在机场、车站、公园等人流量密集的公共区域，行人重识别技术可以及时找到走失老人和儿童;在智能交通领域，行人重识别技术可以实现人车无界互联，形成人、车、路的完整自动闭环。另外，利用行人重识别技术实现人流、物流的统计调控，可极大节省管理者的时间、精力和财力，在未来有着不可估计的商业价值。综上可知，行人重识别技术对维护公民切身利益、营造平安社会等有着不可估量的作用。
目前，基于单摄像机的行人检测和识别技术较为成熟。但是在此场景下已有的算法在面对形变较大、光照变化等众多因素时识别精度较低，无法直接应用在多摄像机场景下。为了在多摄像机场景下能够实现行人跨场景识别，与行人单摄像机下相关算法不同，需要引入行人检测和重识别机制。另外，行人重识别旨在解决跨摄像头下的匹配问题,因此周围环境的变化以及摄像头的变化都会增加行人重识别的难度。
行人重识别能够实现跨越时间和空间对目标人体进行跟踪、匹配与身份鉴定，但当前行人重识别研究也面临诸多问题，如缺乏大规模数据、行人表观差异微小、环境场景复杂等。这也体现行人重识别算法本身是一个既具研究价值又极富挑战性的一个课题，因此行人重识别具有很大的研究价值。
- 课题关键问题及难点：
目前Re-ID面临的问题有以下几点：
①由于摄像头间的视角差异，对人的姿态、外貌、衣着、形态的捕捉也千差万别，在加上光照与遮挡对行人部分特征的干扰，使得在复杂情况下提取具有代表性的特征十分困难。
②目前行人重识别数据集数量过小，模型的训练很容易过拟合。因此，尽可能减小行人重识别过拟合也是急需解决的问题。
Re-ID研究的难点有以下一些因素：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
