摘要：通过改进距离度量函数,在开集测试协议的基础上,对行人再辨识相关问题进行研究,使测量的行人特征满足以下两点:类间最小距离较大和类内最大距离较小。目前还没有存在的算法能够满足这个条件。文中采用Center Loss函数和分类损失函数相结合,使网络在分类损失与Center Loss函数的联合监督下,可以学习出更具判别性的行人特征。其中,行人特征分辨性问题分类损失函数能很好地解决,但常规的Center Loss函数只能使类内最大距离较小,但未能解决类间最小距离较大的问题。因此对Center Loss函数进行改进,在Center Loss函数中加入类间距离变量,使类间中心最小距离较大。最后通过几组再辨识数据集的实验证明了提出的网络与改进Center Loss函数的优越性。