使用深度学习网络进行行人重识别：系统性综述

行人重识别（person re-identification）近年来受到研究界的广泛关注。由于其在基于安全的应用中的关键作用，行人重识别处于与追踪抢劫、预防恐怖袭击及其他安全关键事件相关研究的核心。尽管过去十年中重识别方法大幅增长，但鲜有综述文献对此进展进行理解并总结。本综述论述最新的基于深度学习的最先进行人重识别方法。现有少数重识别综述仅从单一角度分析重识别技术，而本综述从多个深度学习角度评估众多重识别技术，如深度架构类型、常见重识别挑战（姿态、光照、视角、尺度、部分或完全遮挡、背景杂波的变化）、多模态重识别、跨域重识别挑战、度量学习方法以及视频重识别贡献。本综述还包含了多年来收集的若干重识别基准，描述了它们的特征、规格以及在其上获得的最佳重识别结果。纳入最新深度重识别工作使本文成为对重识别文献的重要贡献。最后，给出了结论与未来方向。