行人重识别(Re-ID),即运用计算机视觉、机器学习方法在非重叠摄像头中匹配目标人物的过程,这种技术既可以有效帮助侦查人员在海量视频中发现、追踪嫌疑目标,进而提高公安机关破案率,又能在智能安防、公共安全管理和行人行为分析领域发挥着重要作用,因此具有重要的研究意义。本文解决同一个目标行人在查询库和图像库中穿着不同衣服进行行人重识别的问题,当目标行人更换了衣服后,现有的Re-ID算法失效,导致匹配过程不成功。与人脸识别、步态识别等人物识别技术不同,行人重识别在匹配过程中很大程度上依赖于衣服特征信息。例如,警察在抓捕逃犯的过程中,逃犯为了摆脱跟踪,更换衣服后逃跑,使得查询图像中目标人物的衣服与图像库中的衣服不同,增加了抓捕的难度,因此,衣服特征在人物匹配过程中很重要。为了解决该问题,本文提出了基于衣服特征迁移的行人重识别算法,主要思想是给定查询库中目标行人的图像,通过衣服特征迁移算法,将图像库中所有行人的衣服更换成与查询库中行人衣服一样,目的是消除在匹配过程中衣服特征的差异,最后通过人体肢体特征来进行行人的匹配。本文的主要工作内容和创新点如下:(1)为了解决衣服特征更换后的行人重识别问题,本文新建了一个目标行人在查询库中和图像库中穿着不同衣服的数据集PRDDC。(2)本文提出了基于衣服特征迁移的行人重识别算法,其主要分为三个模块,行人检测模块、衣服特征迁移模块、行人匹配模块。主要的思想就是给定查询库中目标行人的图像,通过衣服特征迁移算法,将图像库中所有行人的衣服更换成与查询图像中行人的衣服一样,消除在匹配过程中衣服特征的影响,最后通过人体肢体特征来匹配。将数据集PRDDC经过衣服特征迁移模块处理和不经过处理后,运用匹配网络测试其匹配精确度分别为57.8%和16.5%,实验结果证明了衣服特征迁移算法的有效性。