行人重识别(Person Re-Identification)作为图像检索的子问题,可广泛应用于智能视频监控、智能安防等各个领域。因摄像机差异、刚性和柔性并存,行人外观易受穿着、尺度、遮挡、姿态和视角等影响,行人重识别成为计算机视觉领域中既具有学术价值与社会价值的同时又极具挑战性的研究热点之一。遮挡是行人重识别研究中的难点之一,论文主要对基于区域划分与推演的遮挡行人重识别展开研究,首先通过对行人重识别数据集进行预识别,剔除明显不为同一行人的图像。其次利用姿态估计算法先验进行行人子区域划分,并对遮挡区域进行推演。论文的主要工作和研究成果如下:(1)构建了遮挡行人重识别数据集。根据现有遮挡数据集中遮挡图像不完整这一现状,利用现有常规行人重识别数据集构建了遮挡行人重识别数据集。(2)为提高整体识别效率,提出了巴氏距离的遮挡行人预识别方法,以剔除明显不为同一行人的图像。该方法利用简单行人子区域划分以及HSV颜色直方图提取构成特征向量,在比较各类图像相似度计算方法的基础上,选用巴氏距离进行图像相似度计算。(3)提出了基于行人子区域划分的遮挡区域推演准则与方法。利用姿态估计算法先验,得到行人骨架以及关键特征点,并根据此与遮挡行人图像的特性,进行行人子区域划分,最后根据准则实现了遮挡子区域的推演。(4)设计了双流网络FORN用于遮挡行人重识别。FORN包括FPN与FSN两个子网络,FPN对行人图像及各子区域进行特征提取,通过全连接层进行树状特征融合,FSN利用稀疏特征重构得到图像间的相似度,最终通过特征融合计算得到遮挡行人重识别结果。在公开数据集Duke MTMC-re ID和Market-1501及自建数据集上的实验结果表明,本文方法均优于现有主流的遮挡行人重识别方法。