行李再识别：面向现实应用的策略研究

行李再识别（ReID）是视频监控中的一项关键任务，应用于取证、安全或边境管理（可疑或遗弃行李识别），以及行李管理（遗失行李找回）。它能够在机场、火车站和边境口岸等复杂环境中，将来自互不重叠摄像机视角的同一件行李的观测结果进行关联。现有方法主要侧重于相对理想条件下基于外观的裁剪图像匹配，而现实场景通常存在频繁遮挡、背景杂乱和人员拥挤等问题，这些因素会显著降低识别性能。然而，利用来自不同视频流的同一件行李的多次拍摄和多个视角之间互补性的策略却尚未得到充分关注。本文研究了一套端到端流程的不同策略，该流程从多个视频流出发，对行李进行检测和再识别。我们在真实环境中采集的基准数据集上评估了不同变体，旨在探讨如何选择并融合同一件行李的不同视角和拍摄片段，以及如何利用不同环境的数据集进行训练，从而提升实际应用中的整体 ReID 性能。