监控场景下基于文本查询的人员检索：综述

生物识别、计算机视觉和自然语言处理研究的近期进展发现了利用文本查询从监控视频中检索人员的机会。监控系统的主要目标是利用描述定位一个人，例如，一位穿粉色 T 恤和白色裙子、携带黑色 purse 的矮个子女士。她有棕色头发。此类描述包含性别、身高、服装类型、服装颜色、发色和配饰等属性。这些属性被正式称为软生物特征（soft biometrics）。它们有助于弥合人类描述与机器之间的语义鸿沟，因为文本查询包含人的软生物特征属性。手动搜索大量监控录像以检索特定人员也不可行。因此，基于视觉和语言的自动人员检索正变得流行。与其他最先进综述相比，本文的贡献如下：1. 针对特定挑战条件推荐最具判别力的软生物特征。2. 整合基准数据集与检索方法以进行客观性能评估。3. 基于特征、分类器、软生物特征属性数量、深度神经网络类型及性能度量的技术完整概览。4. 从基于手工特征的方法到基于自然语言描述的端到端方法的人员检索全面覆盖。