计算机工程

作者：田青, 王斌, 周子枭

单位：1. 南京信息工程大学软件学院, 江苏 南京 2100442. 南京信息工程大学无锡研究院, 江苏 无锡 2140003. 南京大学计算机软件新技术国家重点实验室, 江苏 南京 210023

关键词：行人重识别,深度神经网络,智能视频监控,无监督域适应方法,完全无监督方法

基金：国家自然科学基金(62176128); 江苏省自然科学基金(BK20231143); 南京大学计算机软件新技术国家重点实验室开放课题(KFKT2022B06); 中央高校基本科研业务费专项资金(NJ2022028); 江苏省“青蓝工程”人才项目

从多个不同的摄像机中检索出一个特定的行人是行人重识别(ReID)的主要任务。随着深度神经网络的发展和智能视频监控需求的增加，行人ReID逐渐受到研究人员的关注。现有的行人ReID方法大多利用带有标签的数据集进行有监督训练，但该方式的数据标注成本高昂，使得有监督行人ReID难以扩展到大型的未标记数据集场景。无监督行人ReID可以有效地改善行人ReID模型的扩展问题，更符合现实场景的应用，并逐渐成为研究热点。尽管已有行人ReID的相关综述，但它们主要聚焦于有监督学习领域的方法和应用。为此，对现有无监督行人ReID研究工作进行系统归纳、分析和总结，以便为该领域研究人员提供参考。首先，全面回顾无监督场景的行人ReID方法，根据模型训练是否使用源域监督信息，将无监督行人ReID研究划分为无监督域适应方法和完全无监督方法，并对这2类方法进行分析和总结。然后，介绍和归纳总结行人ReID研究相关的经典数据集，并展示和讨论不同行人ReID方法在这些数据集上的性能和优劣。最后，指出当前无监督行人ReID研究所面临的问题，并提出未来发展方向。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期