近日，應《Information Fusion》主編Salvador Garcia教授邀請，西電機電工程學院張強教授團隊和英國Aberystwyth University計算機科學學院終身教授韓軍功教授課題組聯合在多模態信息融合領域頂級期刊《Information Fusion》（中科院一區，影響因子17.564）發表了題為“Deep Learning for Visible-Infrared Cross-modality Person Re-Identification:A comprehensive Review”綜述論文。論文第一完成單位為西安電子科技大學，機電工程學院張強教授、團隊博士研究生黃年昌分別為論文通訊作者和第一作者。

論文所探討的跨模態行人重識別（Cross-modality Person Re-Identification）用于實現在多個不同模態（如可見光和紅外）攝像頭中檢索某一特定行人，其廣泛應用于智能視頻監控、智能安保等領域。隨著智慧城市的建設，安防需求與日俱增，智能化監控系統迎來重大發展機遇，作為其中不可或缺的一環，跨模態行人重識別成為學術界、工業界的熱點研究方向。該論文對近五年跨模態行人重識別的發展進行了綜合且詳盡的分析，包括：1）跨模態行人重識別的定義、挑戰、評價指標等；2）根據各類模型提出的動機和方法，系統地分析總結了現有百余篇跨模態行人重識別方法；3）評估和比較了現有模型的性能以及優缺點；4）展望了跨模態行人重識別的未來發展方向。此篇綜述為相關科研人員提供了一份全面且系統的介紹，對該任務的發展起到了積極作用。該特約綜述論文的錄用標志著聯合課題組在多模態圖像融合和分析領域的一系列研究成果引起了學術界的廣泛關注，具有相當的國際影響力。

可見光-紅外圖像跨模態行人重識別（VI-ReID）模型基礎框架

可見光-紅外圖像跨模態行人重識別（VI-ReID）模型分類

據悉，張強教授及課題組多年來一直從事計算機視覺方面研究，尤其在多模態圖像理解以及跨模態行人重識別方面取得了一系列創新性研究成果，相應成果發表在IEEE TPAMI、TIP、TMM、Information Fusion、Pattern Recognition、ICCV、CVPR等國際權威期刊及國際會議上。