摘要
在智能视频监控中，跨不同场景识别同一对象是一项重要而困难的任务。其主要难点在于如何在面对较大的外观和结构变化时保持同一个人的相似性，同时区分不同的个体。本文提出了一种基于深度神经网络的可扩展距离驱动特征学习框架，用于人员再识别，并展示了该框架在应对现有挑战方面的有效性。具体而言，给定带有类别标签（人员ID）的训练图像，我们首先生成大量三元组单元，每个单元包含三张图像，即一个匹配的参考图像和一个不匹配的参考图像对应同一个人。将这些单元作为输入，我们构建卷积神经网络以生成分层表示，并采用$L2$距离度量。通过参数优化，我们的框架力求最大化每个三元组单元中匹配对与不匹配对之间的相对距离。此外，该框架面临的一个非平凡问题是三元组组织会成倍增加训练三元组的数量，因为一张图像可以参与多个三元组单元。为了解决这一问题，我们开发了一种有效的三元组生成方案和优化的梯度下降算法，使得计算负载主要取决于原始图像的数量而非三元组的数量。在几个具有挑战性的数据库上，我们的方法取得了非常有前景的结果，并优于其他最先进的方法。