摘要
行人重识别（PersonRe-identification，ReID）旨在跨不同摄像头视角下对目标行人进行匹配与检索，是计算机视觉领域的重要研究方向，在智能安防、视频监控等方面具有广泛应用价值。
近年来，深度学习的快速发展为行人重识别带来了新的突破，但现有方法在识别速度和精度方面仍面临挑战。
本综述首先介绍行人重识别的基本概念、研究意义和挑战；然后，重点概述基于深度学习的行人重识别方法，包括特征提取、度量学习和排序优化等方面；接着，探讨了离散优化方法在行人重识别中的应用，分析其优势和局限性；最后，展望了未来研究方向，并对潜在的研究热点进行探讨。
关键词：行人重识别，深度学习，离散优化，特征提取，度量学习
#1.1行人重识别
行人重识别（PersonRe-identification，ReID）是指在非重叠视角的多摄像头网络中，识别出目标行人的技术。
其核心目标是判断不同摄像头视角下出现的行人图像是否为同一身份。
与人脸识别不同，行人重识别通常依赖于行人的全身信息，例如服装颜色、体型、姿态等来进行识别，而这些信息更容易受到光照变化、视角变化、遮挡等因素的影响，因此其挑战性更大。
#1.2深度学习
深度学习是机器学习的一种，其灵感来源于人脑神经网络的结构和功能。
深度学习模型通常包含多个层次的非线性变换，能够自动从海量数据中学习特征表示，并具有强大的泛化能力。
近年来，深度学习在计算机视觉、自然语言处理等领域取得了突破性进展。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
