近日，应《Information Fusion》主编Salvador Garcia教授邀请，西电机电工程学院张强教授团队和英国Aberystwyth University计算机科学学院终身教授韩军功教授课题组联合在多模态信息融合领域顶级期刊《Information Fusion》（中科院一区，影响因子17.564）发表了题为“Deep Learning for Visible-Infrared Cross-modality Person Re-Identification: A comprehensive Review”综述论文。论文第一完成单位为西安电子科技大学，机电工程学院张强教授、团队博士研究生黄年昌分别为论文通讯作者和第一作者。
论文所探讨的跨模态行人重识别（Cross-modality Person Re-Identification）用于实现在多个不同模态（如可见光和红外）摄像头中检索某一特定行人，其广泛应用于智能视频监控、智能安保等领域。随着智慧城市的建设，安防需求与日俱增，智能化监控系统迎来重大发展机遇，作为其中不可或缺的一环，跨模态行人重识别成为学术界、工业界的热点研究方向。该论文对近五年跨模态行人重识别的发展进行了综合且详尽的分析，包括：1）跨模态行人重识别的定义、挑战、评价指标等；2）根据各类模型提出的动机和方法，系统地分析总结了现有百余篇跨模态行人重识别方法；3）评估和比较了现有模型的性能以及优缺点；4）展望了跨模态行人重识别的未来发展方向。此篇综述为相关科研人员提供了一份全面且系统的介绍，对该任务的发展起到了积极作用。该特约综述论文的录用标志着联合课题组在多模态图像融合和分析领域的一系列研究成果引起了学术界的广泛关注，具有相当的国际影响力。
可见光-红外图像跨模态行人重识别（VI-ReID）模型基础框架
可见光-红外图像跨模态行人重识别（VI-ReID）模型分类
据悉，张强教授及课题组多年来一直从事计算机视觉方面研究，尤其在多模态图像理解以及跨模态行人重识别方面取得了一系列创新性研究成果，相应成果发表在IEEE TPAMI、TIP、TMM、Information Fusion、Pattern Recognition、ICCV、CVPR等国际权威期刊及国际会议上。
