帮老师做了一个简单的基于行为（主要是步态）的ReID问题的Demo，效果如下图：

下面是提取的集中特征，前三个都是GEI系的，后几个是基于光流场的。然后右边是识别出的几个对象的排序，因为没有角度和衣服，书包等协变量改变的问题，所以识别比较准确，排第一的就是对的。其实特征是之前提好的，因为对象也不多，识别序列对也是一次性计算的。右边识别出的几个人是显示的动态行走的序列图，所以预先把每个人resize的剪影存储在vector中。

int main(int argc, char*argv[]){
	string video_name(argv[1]);
	int video_height=240;
	int video_width=320;
	int window_height=video_height+feature_height;
	int window_width=video_width+feature_width;
	
	vector<vector<int> > pairs;
	process(pairs);
	vector<vector<Mat> > features;
	vector<vector<Mat> > images;
	readFeatures(features,images);
	Mat window=Mat::zeros(window_height,window_width,CV_8UC3);
	Rect rect;
	rect.x=rect.y=0;rect.width=video_width;rect.height=video_height;
	Mat window_video(window,rect);
	
	VideoCapture video(video_name);
	int frame_num=0;
	Mat frame; 
	video>>frame;
	vector<Mat> frames; 
	string people_num_str=video_name.substr(0,3);
	int people_num=atoi(people_num_str.c_str());

	while(!frame.empty()||!frames.empty()){
		frame_num++;
		if(!frame.empty()){
			frame.copyTo(window_video);
			Mat tmp;
			frame.copyTo(tmp);
			frames.push_back(tmp);
			video>>frame;
		}
		else{
			int show_num=frame_num%frames.size();
			(frames[show_num]).copyTo(window_video);
		}
		if(frame_num>40){
			for(int ci=0;ci<class_size;ci++){
				Rect rect;
				rect.x=ci*feature_width;
				rect.y=video_height;
				rect.width=feature_width;
				rect.height=feature_height;
				Mat featre_mat(window,rect);
				if(frame_num>ci*10+40)
					features[ci][people_num-1].copyTo(featre_mat);
			}
		}
		if(frame_num>120){
			for(int i=0;i<4;i++){
				int recp=pairs[people_num-1][i+1];
				Rect rect;
				rect.x=video_width;
				rect.y=i*feature_height;
				rect.width=feature_width;
				rect.height=feature_height;
				Mat rec_mat(window,rect);
				int recpnum=frame_num%40;
				images[recp-1][recpnum].copyTo(rec_mat);
				if(pairs[people_num-1][i+1]==people_num)
					rectangle(window,rect,Scalar(0,0,255));
			}
		}
		Mat largeWinow(window_height*2,window_width*2,CV_8UC3);
		resize(window,largeWinow,Size(),2.0f,2.0f,INTER_LINEAR);
		imshow("Gait",largeWinow);
		waitKey(50);
	}
	return 0;
}

void getKMinScores(vector<float>&scores,
	vector<float>& k_scores,int KNN_K){
		for(int k=0;k<KNN_K;k++){
			k_scores[k] = FLT_MAX;
		}
		int people_size = scores.size();
		for(int pi=0;pi<people_size;pi++){
			int change_id = -1;
			for(int kk=0;kk<KNN_K;kk++){
				if(scores[pi]<k_scores[kk]){
					change_id = kk;
				}
			}
			if(change_id>=0){
				if(change_id==(KNN_K-1)||
					(change_id<(KNN_K-1)&&scores[pi]!=k_scores[change_id+1])
					){
						for(int c=0;c<change_id;c++){
							k_scores[c] = k_scores[c+1];
						}
						k_scores[change_id] = scores[pi];
				}
			}
		}
		return ;
}

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）