چکیده: از مراحل مهم و تاثیرگذار در عملکرد سیستم های نظارتی، مرحله بازشناسایی افراد است. یکی از فرض های اولیه در بیشتر سیستم های بازشناسایی این است که ویژگی های افراد حین فرآیند ردیابی و با گذشت زمان تغییر نمی-کند. این در حالی است که عواملی مانند تغییر زاویه افراد نسبت به دوربین، تغییر در روشنایی محیط، انسداد تمام یا بخشی از بدن افراد به دلیل حمل اشیاء و پس زمینه های شلوغ، منجر به ایجاد برخی تغییرات در ویژگی-های ظاهری افراد می شوند. از این رو، فرض عدم تغییر ویژگی های ظاهری افراد در سیستم های بازشناسایی منجر به کاهش دقت این سیستم ها می شود. در این پژوهش با در نظر گرفتن مسئله انسداد ناشی از حمل اشیاء و پس زمینه های شلوغ، عملکرد سیستم های بازشناسایی انسان بهبود می یابد. در این راستا، راهکارهایی برای بهبود عملکرد توصیفگرهای مبتنی بر ویژگی های ظاهری و در نتیجه بهبود عملکرد سیستم های بازشناسایی انسان، ارائه می شود. در تمامی راهکارهای پیشنهادی تاثیر پیکسل های تصویر بر بردار ویژگی استخراجی توسط توصیفگرها، متناسب با تعلق پیکسل ها به پس زمینه و پیش زمینه و با توجه به میزان اهمیت آنها در مسئله بازشناسایی تعیین می شود. در راهکار اول، با استفاده از توزیع گوسین و تابع چگالی احتمال، روشی برای قطعه بندی معنایی تصویر ارائه می شود که در آن پیکسل ها با اهمیت یکسان در یک قطعه قرار می گیرند. سپس از تصویر قطعه بندی شده به عنوان نقشه وزن برای ارزش گذاری ویژگی های استخراجی از پیکسل های تصویر استفاده می شود. به منظور افزایش دقت قطعه بندی معنایی ارائه شده، در راهکار دوم ابتدا تصویر ورودی با استفاده از روش قطعه بندی مبتنی بر شبکه عمیق +DeepLabv3، به صورت معنایی به سه ناحیه بدن فرد، اشیاء و پس زمینه قطعه بندی می شود. سپس پیکسل های مرتبط با هر ناحیه با توجه به ارزش آن در مسئله بازشناسایی، به صورت دستی وزن دهی می شوند. برای اجتناب از وزن دهی دستی پیکسل های تصویر، ویژگی های استخراجی از پیکسل های مرتبط با اشیاء در حال حمل و پس زمینه، به طور خودکار با توجه به اندازه هر یک از نواحی و فاصله پیکسل های مربوطه تا مرکز تصویر، در راهکار سوم وزن دهی می شود. در ادامه با توجه به اهمیت بازیابی نواحی مسدود بدن در بهبود عملکرد سیستم های بازشناسایی، در راهکار چهارم، فرآیندی به نام فرآیند یکسان سازی ، برای بازیابی پیکسل های نواحی مسدود با توجه به پیکسل-های همسایه (نواحی غیرمسدود) ارائه می شود. پس از انجام عمل یکسان سازی روی تصویر ورودی، وزن ویژگی-های استخراجی از پیکسل های مرتبط با اشیاء در حال حمل، نواحی یکسان سازی شده و پس زمینه، به طور خودکار با توجه به فاصله پیکسل های مربوطه تا مرکز تصویر، تنظیم می شود. ارزیابی و مقایسه نتایج حاصل از سیستم های بازشناسایی پیشنهادی روی پایگاه های دادهVIPeR ، PRID450s، CUHK01 و CUHK03، نشان-دهنده دقت بالاتر سیستم بازشناسایی پیشنهادی نسبت به سیستم های بازشناسایی مورد مقایسه است.