行人重识别问题是计算机视觉的重要研究内容之一,旨在将多个非重叠相机中的目标行人准确加以识别。当将某摄像机中的行人图像视为目标行人在该摄像机视图上的一种表示时,行人重识别可被认为是一种多视图学习问题。在此基础上提出的基于典型相关分析的行人重识别算法仅是一种线性降维算法,很难从复杂的重识别系统(如目标行人图像受低分辨率、光照及行人姿态变化等因素影响)中提取有效的高层语义信息,用于行人重识别。为此,本文提出了一种基于稀疏学习的行人重识别算法(Sparsity learning based person

针对非重叠视角下的行人重识别和高维特征提取等问题，提出基于块稀疏表示的行人重识别方法。采取典型相关分析( CCA) 方法进行特征投影变换，通过提高特征匹配能力来避免高维特征运算引起的维数灾难问题，并在 CCA 转换后的投影空间使投影后查询集行人特征向量与相应的数据集特征向量近似成线性关系; 利用行人数据集的块结构特征构建行人重识别模型，采用交替方向框架求解优化问题; 最后对查询集中要识别的行人采用残差项处理，并将最小残差项所对应的指标作为最终识别的行人记号。在公开数据集 PRID 2011、iL