1. 引言1.1 行人重识别的定义与背景行人重识别(Pedestrian Re-identification, ReID)是一项在计算机视觉与智能监控领域具有重要应用价值的技术，其核心目标是在多个不重叠的摄像头之间检索特定的行人。与人脸识别技术不同，行人重识别技术能够根据行人的整体外貌特征(如衣着、体态、配饰等)进行身份匹配，特别适用于无法获取清晰人脸图像的场景，如低头、背影、模糊身形等。在智慧城市、公共安全与智能安防等领域，行人重识别技术能够有效帮助侦查人员在海量视频中发现、追踪嫌疑人，对提高公安机关破案率具有重要意义。自2005年ReID被正式确立为研究课题以来，该领域经历了从手工特征提取到深度学习模型的快速发展。早期方法依赖于专家设计的手工特征(如颜色直方图、纹理特征、LBP等)和简单的度量学习算法(如SVM、KNN)，难以应对复杂的跨域场景。2014年后，深度学习框架的引入推动了ReID技术的飞速发展，基于卷积神经网络(CNN)的监督学习方法成为主流。近年来，随着跨域场景的增多与数据标注成本的限制，无监督学习方法、自监督预训练与联邦学习等新兴技术逐渐兴起，为解决实际应用中的跨域差异、标注数据稀缺与隐私保护等问题提供了新思路。1.2 行人重识别的应用场景与挑战行人重识别技术广泛应用于以下场景：公共安全监控：在多摄像头监控网络中追踪特定个体，辅助刑侦破案零售分析：分析顾客在不同区域的活动轨迹，优化店铺布局