行人重识别近期技术综述
计算机视觉与模式识别
2025-10-27 v2
摘要
行人重识别（ReId）是监控领域的一项关键任务，涉及跨不同摄像头视角匹配个体。深度学习，尤其是卷积神经网络和注意力机制等监督技术的出现，显著提升了行人重识别性能。然而，监督方法的成功依赖于大量标注数据，这在数据标注和计算成本方面带来了可扩展性挑战。为了解决这些局限性，近期的研究已转向无监督行人重识别。利用丰富的无标签数据，无监督方法旨在克服对成对标注数据的需求。尽管传统上落后于监督方法，但无监督技术在近年来已展现出有前景的发展，预示着性能差距正在缩小。受此不断演变的格局驱动，本综述追求两个主要目标。首先，我们回顾并分类了监督行人重识别领域的重要出版物，深入概述了当前最先进的技术，并强调该领域进一步提升的空间有限。其次，我们探讨了过去三年无监督行人重识别的最新进展，提供了对新兴趋势的见解，并揭示了监督与无监督范式性能可能趋同的前景。这篇双焦点综述旨在为行人重识别的发展叙事做出贡献，既涵盖监督技术的成熟格局，也关注无监督学习领域富有前景的成果。
引用
@article{arxiv.2509.22690,
title = {A review of Recent Techniques for Person Re-Identification},
author = {Andrea Asperti and Salvatore Fiorilla and Simone Nardi and Lorenzo Orsini},
journal= {arXiv preprint arXiv:2509.22690},
year = {2025}
}