目前所了解的内容来看，行人搜索有两个方向，一个是ReID，一个是无监督方向
行人重识别（Person Re-identification）
简称ReID
在人脸识别技术失效的情况下，ReID技术要求做到在监控画面中识别出人像信息
表征学习（Repersentation Learning）
CNN可以提取表征特征，所以行人重识别问题可以看作是分类问题：
- 分类子网络，对图片进行ID预测
- 验证子网络，对预测结果进行验证，判断是否与原ID属于同一个行人
但是光靠ID信息不足以学习出一个泛化能力足够强的模型，通过对行人属性的标注，训练模型准确的预测出ID的同时，识别出行人的各项属性（头发，穿着等），可以提高网络的泛化能力
度量学习（Metric Learning）
旨在学习两张图片的相似度，在行人重识别这一领域上，关键在统一行人的相似度大，不同行人的相似度小，常用的损失分为：对比损失，三元组损失，四元组损失，难样本三元组损失，边界挖掘损失
对比损失（Contrastive loss）
训练孪生网络，输入一对图片，可以为同一行人，也可以是不同行人
定义损失函数
y为1则图片相同，称为正样本，为0则不同，称为负样本， 为根据实际设计的阈值，d为两张图片的欧式距离
当y=1，d应该越来越小 当y=0，d应该越来越大，直到超过阈值
三元组损失（Triplet loss）
三张图片，分为一对正样本，一对负样本，分别称为固定图片（Ahchor）a，正样本图片（Positive）p和负样本图片（Negative）n
损失表示为
实现正样本对之间距离小，负样本对距离大， 为自定义参数
后续论文提出改进
保证网络在特征空间把正负样本推开，保证正样本对之间的距离很近（原本的函数中可能只导致负样本距离很远，抽象认为正负样本对之间距离相互影响）
四元组损失（Quadruplet loss）
四张图片，固定图片，正样本，负样本，和负样本2（n2），两张不同行人ID的图片
通常 小于 ，称前一项为强推动，后一项为弱推动。增加了第二项不共享ID，考虑了正负样本之间的绝对距离，使得模型可以学到更好的表征
难样本采样三元组损失（Triplet loss with batch hard mining, TriHard loss）
三元组改进，三元组是简单随机采样，但是这种采样如果大量样本都是简单样本，就不利于网络学习更好的表征，大量论文发现难样本能提高网络的泛化能力
例如提出TriHard Loss，基于批次的在线难样本采样方法
每个batch挑p个ID的行人，每个行人挑K张照片，每个batch有P * K张照片，对batch的每一张图片a，挑选最难的正样本和负样本组成三元组
损失函数
其中，A是与固定图片相同ID的图片集，剩下其他图片集为B，用欧式距离计算最不像的正样本p和最像的负样本n来计算三元损失
边界挖掘损失（Margin sample mining loss）
三元组只考虑了正负样本对的相对距离，为引入正负样本对之间的绝对距离，四元损失加入了另一个负样本
再将难样本挖掘的思想引入，得到
此时，因为挑出来的全部数据中最难的一个正样本对和负样本对，所以可以认为这两个距离是正对和负队的上界（小于）和下界（大于），所以称为边界样本挖掘损失
即兼顾了相对距离，绝对距离，还使用难样本采样的度量方法
损失函数性能对比
局部特征（local feature)
简单来说就是全局特征遇到了瓶颈，于是研究起了局部特征
- 图片切块，局部特征提取方法，一般是垂直分割（横着切），切好之后送到LSTM网络进行特征提取，融合了局部特征
- 图像对齐，切块后提取局部特征进行识别时，如果图像没对齐，会出现例如上半身与头部做对比等问题，导致识别结果出错，所以提出图像对齐
- 使用先验经验，例如人体姿态，骨架关键点模型等，再使用仿射变换
- 或使用关键点技术后，利用关键点提取出感兴趣区域（ROI）
- 或者利用关键点将人体分为头，上身，下身三个部分 再将局部和全局一起丢给模型做特征提取，得到最终的特征
基于视频序列
单帧信息总是有限的，多帧相对之下可以考虑帧与帧之间的运动信息，在单帧CNN提取特征的基础上使用RNN来提取时序信息
传统方法是CNN提取单帧信息，再送去RNN提取序列信息
代表方法之一有累计运动背景网络，提取光流信息
提取图像信息的同时提取光流特征，融合后输入到RNN，可以得到融合了内容和运动信息的特征
另外，多帧也可以弥补单帧情况下图像遮挡等问题，
基于GAN造图
主要克服几个问题
- 数据量少，过拟合等问题
- 摄像头bias问题，生成摄像头转移（转移到另一个摄像头）图
- 环境bias问题，将行人转移到不同的环境
- 姿态不变，生成多种姿态