随着智慧城市进程的稳步推进，部署于各场所的监控摄像头规模迅速扩大。在此背景下，使用人工进行监控视频数据的检索和处理是不切实际的，如何利用计算机视觉技术实现自动化的监控成为研究的重点。行人重识别作为视频智能监控的关键组成部分得到了学术界和工业界的广泛关注，它旨在多个不重叠的相机视角下检索出和给定查询图片属于同一行人的其他图片。行人重识别的关键在于学习一个类内足够紧致、类间足够分散的特征空间。然而，相机视角、人体姿态、环境光照和拍摄背景的剧烈变化可能会使得同一个人的图片有着显著不同的视觉外观，这对模型的判别能力提出了极大的挑战。此外，对标注数据的严重依赖也限制了行人重识别模型在真实场景中的部署。为克服这些困难，本文从三个方面探讨如何提升行人重识别的判别性和泛化性。
本文的主要创新点包括：
1. 提出基于特征聚合的全监督行人重识别方法，有效增强了网络模型应对类内差异能力。类内差异是影响模型判别性能的主要因素，为抑制类内差异的影响，现有方法通常选择对样本单独分类或在少量样本间约束成对相似度。此类方法忽视了批量样本间的联系，因此往往会陷入次优的局部最优解。为此，本研究提出将批量样本视为密集连接的图，并使用随机游走过程聚集特征，以缓解分类混淆的问题，从而达到克服类内差异的目的。本研究还将这一思路进一步扩展到行人检索的后处理阶段以及不同维度的视觉任务中。实验表明，特征聚合在不同阶段和维度上均能够显著提升性能，这证实了该思路的有效性和普适性。
2. 提出基于双重差异弥合的跨域行人重识别方法，旨在减轻域间差异和域内相机间差异对迁移性能的影响。本研究分析发现，域间差异和域内相机间差异共同导致了行人重识别模型迁移能力的低下。为了应对域内相机间差异，本工作提出了相机感知的邻域一致性约束，有效避免了普通邻域一致性约束中对同相机候选项的过度偏好。同时，为了缓解域间差异，本研究提出了域间混合机制来平滑源域至目标域的过渡。在这两个组件的协同作用下，该工作提出的模型在多个跨域行人重识别基准上实现了领先的性能。
3. 提出基于三维虚拟生成的行人重识别方法，无代价地合成虚拟数据作为训练源域，避免了昂贵标注数据的使用。本研究提出了一种姿态可控的三维生成模型，通过光栅化技术引导三平面表征，并使用可微分四面体直接输出三维网格。通过操纵姿态和相机视角，该模型可以生成多样的行人图片。基于这些合成的虚拟数据，本研究进一步利用跨域行人重识别算法进行虚拟域到真实域的迁移，从而实现了无标注数据条件下获取高性能的行人重识别模型的目标。

总而言之，本文的研究重点在于解决行人重识别的类内差异和泛化性问题。
首先，本文研究了行人重识别在全监督设定下的判别性问题，核心在于抑制类内差异的影响。其次，本文探索行人重识别模型的泛化性问题，分析跨域设定下的双重差异，并设计相应模块加以解决。最后，本文尝试在不使用昂贵标注信息的条件下学习可迁移的行人重识别模型，使用三维合成技术生成虚拟数据作为训练的源域数据。实验表明，本文提出的模块均取得了显著的性能提升，且提出的模型在对应的基准数据集上都取得了领先的性能优势。