2015年，學術界主流都在使用深度學習，而這篇文章卻用傳統方法達到了遠超state of the art的結果：

Retinex transform預處理：

為了解決不同攝像頭下光照條件變化很大：作者在特徵提取前進行了預處理，使用的是multiscale Retinex algorithm（這個演算法之前做影象增強的時候接觸過） ，Retinex algorithm能夠增強光照陰影區域的色彩資訊，有利於重識別。

可以看到，經過Retinex變換處理後的圖片由於光照條件變化引起色彩的變化得到了改善。

LOMO特徵：

在之前的工作中，有論文把一張行人圖片劃分成6個水平長條，每個長條（stripe)提取一個single histogram，作者認為這樣做會丟失空間細節資訊，於是採取了劃窗、在每個patch提取HSV、SILTP特徵的方式、水平patchs特徵間每個元素取最大值的方式（這就是LOMO的含義：Local Maximal Occurrence Feature）

下面詳細介紹：

HSV：描述顏色特徵。提取8*8*8bin的直方圖，不是常用的8+6+6，文中稱為joint HSV histogram

SILTP：LBP的改進版本，描述紋理特徵。提取了兩個尺度，SILTP0.3 4,3和SILTP0.3 4,5，其中N=4，所以是3^4 bin

對於HSV和SILTP，每個直方圖的bin表示該種模式出現的概率

對於一張48x128的，10x10的視窗，stride為5，掃描出24個horizontal groups （（128-10）/5 ），文中還進行了multi-scale處理，對圖片縮放了兩次，得到24*64、12*32圖片，他們可以掃描出11 （（64-10）/5=11）、5 （（32-10）/5=5）個groups。

每個group包含多個patch,每個patch能夠提取HSV、SILTP特徵，連線在一起形成一個特徵向量。然後對同一個group中的patchs向量在元素上選最大值，作為整個group的特徵。

所有的group特徵向量連線在一起即是這張圖片的LOMO特徵。

所以一張行人樣本的LOMO特徵維度是(8*8*8+(3^4)*2)*(24+11+5) = 26960維

最後使用了log函式來壓縮大的值，然後歸一化HSV、SILTP特徵到單位長度

XQDA度量學習：

1)    背景知識：Bayesian Face and KISSME Revisit

2)XQDA