计算机与图像技术Computer&MultimediaTechnology电子技术与软件工程ElectronicTechnology&SoftwareEngineering169现如今，科技的持续进步使得监控摄像头广泛应用于日常生活，城市的安全越来越依靠智能视频监控系统。利用视频监控系统排查搜寻已成为一个重要的技术侦查手段。因为摄像头的分辨率不一和拍摄角度不同，监控摄像头大多数无法获取非常清晰的脸部图片，导致人脸失效。这种情况下，行人重识别(PersonRe-identification)就成为了一种有效替代人脸识别的方法[1,2]。现有的行人重识别任务都是直接对行人检测算法或人工截取得到的单个行人图像来进行行人的检索，并且大部分行人重识别方法都假设匹配中的行人都是站立的完整行人图像，这显然是不符合现实场景中摄像机所拍摄到的所有情况。在现实世界中的一些重要场景如医院、车站、机场、商场等人员拥挤的场景中都会出现行人被部分遮挡的情况，以及街道中行人被车辆、树木等遮挡的情形也常有发生[3]，因此，遮挡场景下的行人重识别任务是当前行人重识别中亟需关注的研究重点[4]，并且由于遮挡带来的信息缺失和辨识困难，本文研究遮挡行人重识别方法，以提高在遮挡场景下的行人重识别精度。遮挡行人重识别系统正面临着两大挑战。第一，超丰富的遮挡变化，随机遮挡不同的身体部位，大幅改变人体图像的外观。第二，遮挡的干扰，通常与身体部位具有相似的外观，不利于网络对人体图像的学习识别。现有的方法大多通过检测非遮挡的身体部位和对准可见的人体部位来解决遮挡的问题，其中两类典型的对齐方法已被广泛研究。第一类方法[5,6,7]利用各种外部线索，如人体编码，语义解析和姿态估计来准确地对齐可见的身体部位。然而，外部线索的提取很敏感，无法应对带有严重遮挡或噪声问题的图片，在面对严重的遮挡和背景噪声时往往会失败。另一类方法[8,9,10]是基于局部图像特征的相似性对身体部位进行对齐，但它经常难以区分人体与障碍，导致匹配错位甚至错误。遮挡行人重识别问题关键在于解决遮挡问题。目前大致有三种方法解决遮挡问题[11]：（1）添加模拟遮挡到训练集中作为训练集数据的扩充，以强化深度学习网络对于带遮挡图片的学习，进一步提高识别准确度[12,13]。（2）为了解决第一种方法研究过程中引入噪声特征的问题而产生的。它利用人体姿态或部位关系等提取生成合适的特征，以减小添加遮挡引入的噪声的影响，进而优化识别效果[14,15]。融合人体姿态估计与非局部注意力机制的遮挡行人重识别陈岸明1...
