现有的基于投影的行人重识别方法具有训练时间长、投影矩阵维数高、识别率低等问题．此外在建立训练集时，还会出现类内样本数目远少于类间样本数目的情况．针对这些问题，提出了基于距离中心化的相似性度量算法．在构建训练集时，将同一组目标群体特征值中心化，利用中心特征值来构建类间距离，而类内距离保持不变．这样使得类内类间样本数目接近，可以很好地缓解类别不平衡所带来的过拟合风险．另外在学习投影矩阵时，利用训练集更新策略，学习若干组投影向量，使得到的投影向量近似正交，这样既可以有效减少运算复杂度和存储复杂度，又可