行人重识别方法

类内差异新解法

采用辅助域分类与分层半二阶信息瓶颈，在无需增加推理开销的情况下压缩冗余特征，提升行人重识别效果。

Zhang, Anguo · Wu, Junyi · Yueming, Gao · 高明 · Chen, Zhen · Yongduan, Song · Pun, Siohang

International Journal of Computer Vision 2025

技术优势

无需额外推理开销

特征压缩与优化在训练阶段完成，推理时模型结构不变，因此没有增加计算负担。

类内特征更一致

显著降低了同一行人在不同摄像头下输出特征的方差，直接减弱外观差异带来的影响。

兼顾粗细粒度特征

辅助域分类任务先提取与背景区分开的粗粒度特征，再与细粒度特征共同用于重识别，提高了区分能力。

应用场景

• 视频监控：提升跨摄像头行人检索准确率，减少人工排查工作量。
• 安防系统：在复杂监控场景下更可靠地锁定目标人员，降低漏报误报。
• 行人分析：提供抗外观变化的行人特征，支撑行为分析和轨迹关联。