https://blog.csdn.net/ctwy291314/article/details/83618646
0.研究的对象：
人的整体特征，包括衣着、体形、发行、姿态等等
1.技术难点：
无正脸照，姿态，配饰，遮挡；拍色角度，图片模糊，室内外环境和光线变化，服装搭配，穿衣风格
2.数据集：
Market1501(清华),DukeMTMC-reID（Duke）,CUHK03(香港中文)
3.评价指标：
Rank1：首位命中率
mAP：平均精度均值，要求被检索人在底库中所有的图片都排在最前面，这时mAP 的指标才会高。
4.基本流程：
第一步，从摄像头的监控视频获得原始图片；
第二步，基于这些原始图片把行人的位置检测出来；
第三步，基于检测出来的行人图片，用 ReID 技术计算图片的距离;
提取检索图和底库图特征，计算欧式距离，根据距离进行排序，排序越靠前相似度越高
5.常用算法实现
1）表征学习
2）度量学习
3）局部特征学习
&基于局部区域调整的 ReID 解决方案。
第一种方案是：把整张图输进网络，取整张图的特征
第二种方案是：把图从上到下均分为三等，三分之一均分，每个部分输入到网络，去提出一个特征，把这三个特征又串连起来；
第三种方案：设计一个模型，使得这个模型动态调整不同区域在图片中的占比，把调整的信息跟原来三分的信息结合在一起进行预估。
&基于姿态估计局部特征调整
先通过人体关键点的模型，把这个图片里面人的关节位置取出来，然后按照人类对人体结构的理解，把头跟头比较，手跟手比较，按照人类的语义分割做一些调整，这相对于刚才的硬分割更加容易理解。
6.应用场景
与人脸识别结合：当看不到人脸的时候用 ReID 技术去识别，可以延长行人在摄像头连续跟踪的时空延续性
智能安防：ReID 根据嫌疑犯照片，去监控视频库里去收集嫌疑犯出现的视频段。
智能寻人系统：将行人照片输入到 ReID 系统里，实时的在所有监控摄像头寻找这个小朋友的照片
相册聚类，家庭机器人
7.技术展望
第一个：ReID 的数据难获取，用无监督学习去提高 ReID 效果，降低数据采集的依赖性（GAN生成数据来帮助 ReID 数据增强，）
第二个，基于视频的 ReID。
第三个，跨模态的 ReID
第四个，跨场景的迁移学习
第五个，应用系统设计。相当于设计一套系统让 ReID 这个技术实际应用到行人检索等技术上去。