近几年,随着计算机视觉技术的火热,带动了大量相关的技术落地到实际应用中,其中安防应用就是最大的应用领域之一。目前,人脸识别依然是安防应用最重要的技术。然而在实际的应用监控场景中,由于角度、光照等问题,高质量的人脸图像没那么容易获取,这时就需要依靠人体的图像来识别行人。因此,本论文提出了基于行人重识别的行人路径生成系统,希望将行人重识别技术落地到实际应用场景中。本论文的研究内容与工程量主要包含以下几个方面:(1)关于空间与通道特征抑制的细粒度提取方法。本论文通过在实验过程中对特征图的可视化发现大部分CNN在训练过程中会将注意力过于集中到重要的区域,进而忽略目标的其他区域。基于此现象,本论文提出了在训练过程中对特征图中响应最强的区域进行抑制的方法,并进行了实验对方法进行验证。(2)基于人体3D重建约束的行人重识别方法。本论文将行人重识别任务看做对同一个人体3D Mesh在不同摄像头、不同场景以及不同视角下的匹配任务。因此,本论文提出在训练过程中为行人重识别数据集中的行人引入3D层面监督信息,利用多任务学习的方式为模型引入3D模型重建的约束,补全从3D层面到2D层面缺失部分的信息。(3)相关数据集的标注。由于合作单位的需求场景为室内,而当前的行人重识别数据集大多为室外场景,不符合要求,因此本论文标注了一个室内场景的行人重识别数据集。另外,为了解决目前的行人检测技术检测行人不全、光照差等问题,本论文还标注了一个行人图像质量评估的数据集,用于标识检测出的行人是否符合行人重识别任务的要求。(4)行人路径生成系统的设计与实现。该系统基于本论文行人重识别相关技术的研究,整合了视频流获取、行人检测、行人图像质量评估等技术,解决实际应用中存在的大部分问题,提升了系统的效果。另外,本系统还搭建了相关的前端交互界面,方便用户使用。本文从行人重识别研究出发,一步步探索,在搭建系统的过程发现现实场景中存在的问题以及设计的不合理性,并想办法解决这些问题。