行人重识别
在此先给出官方解释：
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。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。
给定一个监控行人图像：给定一个希望检索到的目标（probe）
跨设备：检索在其他摄像头下的图片。举个🌰：在嫌犯追踪中，仅通过一个摄像头很难获取嫌犯路径，嫌犯很容易走出该摄像头范围之外，因此还需在其他摄像头中搜索出嫌犯以及行踪。这时，重识别显得尤为重要。
行人重识别的必要性
1、能不能用人脸识别做重识别？
理论上是可以的。但是有两个原因导致人脸识别较难应用：首先，广泛存在后脑勺和侧脸的情况，做正脸的人脸识别难。其次，摄像头拍摄的像素可能不高，尤其是远景摄像头里面人脸截出来很可能都没有32x32的像素。所以人脸识别在实际的重识别应用中很可能有限。
2、有些人靠衣服的颜色就可以判断出来了，还需要行人重识别吗？
衣服颜色确实是行人重识别进行人物判断的一个重要因素，但光靠颜色是不足的。首先，摄像头之间是有色差，并图像会受到光照、角度等因素的影响。其次，无法排除撞衫的可能性。
数据集
分为：训练集、验证集、Query、Gallery
Query：可以理解位为上文提到的嫌犯照片
Gallery：待检索的图片库
行人重识别系统
特征提取（鲁棒性）->度量学习（也叫相似度学习，将学习到的特征映射到新的空间，使同类样本之间的距离尽可能缩小，不同类样本之间的距离尽可能放大）->排序->图像检索（相似度越高，排在越前）
应用场景
短时的刑事侦查（行人重识别主要依靠的是：衣着、配饰、体态等外部特征，如果嫌犯换了衣服，就无法检索到原有的特征了）
动作识别。动作识别是基于视频的内容理解做的，技术更加复杂一些，但是它与人类的认知更加接近，应用场景会更多，这个技术目前并不成熟。动作识别可以有非常多的应用，比如闯红灯，还有公共场合突发事件的智能认知，像偷窃、聚众斗殴，摄像头识别出这样的行为之后可以采取智能措施，比如自动报警，这有非常大的社会价值。
-
行人跟踪行人跟踪方式
面对的问题
本文部分引用自：
行人重识别(ReID) ——技术实现及应用场景：https://blog.csdn.net/ctwy291314/article/details/83618646
