基于样本的自适应多核度量学习在行人再识别中的应用与优化研究

一、引言

1.1研究背景与意义

随着城市化进程的加速和人们对公共安全、智能管理需求的日益增长，监控系统在各个领域得到了广泛应用。从繁华都市的街头巷尾到大型商业中心、交通枢纽，再到各类公共场所，监控摄像头数量呈爆发式增长。在一些大城市，监控摄像头的覆盖率已超过每平方公里数千个，每天产生的视频数据时长可达数百万小时。面对如此庞大的监控数据，依靠人工进行有效处理和分析变得极为困难，甚至几乎不可能实现。因此，利用计算机视觉技术实现智能化的行人再识别成为必然的发展趋势。

行人再识别（PersonRe-identification，ReID）