2025年12月3日，博士生崔振宇同学完成了博士学位论文答辩。崔振宇同学于2021年加入MIPL实验室，师从彭宇新教授。在校期间，他主要从事行人重识别研究。其博士学位论文题目为《面向全天时监控场景的跨域行人重识别方法研究》，针对以下3个关键问题展开研究：（1）不同日期采集的跨日期服装域特征难以分离、（2）不同时段采集的跨时段模态域信息难以抑制、（3）不同季节采集的跨季节场景域知识难以保留。最后，基于上述3项研究，构建了跨全天时混合域行人重识别系统，提升了行人重识别方法在全天时监控场景中的准确性。本文的主要研究工作具体如下：
  （1）在跨日期服装域行人重识别中，针对不同日期信息耦合导致的行人鉴别性特征难分离问题，提出了基于部位重构解耦的跨日期服装域行人重识别方法。首先，对深度神经网络提取的行人特征进行通道级拆分，并利用部位重构网络对拆分后的特征分别进行重构，从而将拆分后的特征约束在对应的人体部位区域内，实现行人自身特征与服装特征的显式解耦。然后，将解耦后的特征进行重组，并利用行人身份分类网络和服装分类网络对重组后的行人特征进行监督，从而提升不同部位区域对应特征的鉴别性。最后，利用对抗学习策略，使行人表征网络和分类网络在对抗学习过程中相互促进，进一步增强行人自身特征的鉴别性，提升了跨日期服装域行人重识别的准确性。
  （2）在跨时段模态域行人重识别中，针对不同时段信息干扰导致的行人鉴别性信息难提取问题，提出了基于跨模态双向增强的跨时段模态域行人重识别方法。首先，将可见光图像与红外图像分别映射到色调、饱和度和亮度组成的色彩空间中，从而突出可见光图像与红外图像间的信息差异。然后，根据可见光模态与红外模态固有的内在特性，对可见光图像缺失的热辐射信息和红外图像缺失的颜色信息进行双向转移和补偿。最后，设计了一种细粒度局部一致性损失，抑制由双向信息补偿带来的局部误导信息，强化了局部身份信息的鉴别性，提升了跨时段模态域行人重识别的准确性。
  （3）在跨季节场景域行人重识别中，针对不同季节信息遗忘导致的行人鉴别性知识难保留问题，提出了兼容特征持续升级的跨季节场景域行人重识别方法。首先，设计了双向兼容转移网络，通过自适应地平衡旧知识映射与新知识获取，实现旧数据库图像特征与更新后模型输出特征的双向兼容转移。其次，提出双向兼容蒸馏策略，实现旧数据库特征与新模型输出特征间的对齐。然后，提出双向抗遗忘策略，消除在兼容转移过程中的旧知识持续遗忘，实现跨场景知识平衡。最后，根据不同场景间的差异动态调整旧知识保留程度，提升了跨季节场景域行人重识别的准确性。
  （4）在全天时监控场景中，针对跨全天时混合域信息冲突导致的行人鉴别性知识难累积问题，构建了跨全天时混合域行人重识别系统，可以满足跨日期、跨时段、跨场景的全天时行人重识别需求。针对不同日期采集的新增服装知识冲突导致的行人鉴别性知识难累积问题，提出面向跨日期终身行人重识别的差异化知识巩固的模块。先通过细粒度自聚类自动发现冲突的新知识，然后利用更新后的深度特征对旧特征进行重构，最后在不同特征分布层级中对齐并整合具有差异的新旧知识，实现冲突知识共存。其次，针对不同时段采集的新增模态信息干扰导致的行人鉴别性知识难累积问题，提出面向跨时段终身行人重识别的跨模态知识解耦与对齐模块。先通过跨模态通用知识与单模态专用知识提示模块对跨模态鉴别性知识进行解耦与净化，然后借助跨模态知识原型在相互独立的特征空间中对上述新旧知识进行对齐。最后，本文在多个跨全天时混合域行人重识别场景中验证了本系统的准确性和泛化性。
  攻读博士期间，崔振宇同学共接收和发表10篇论文。其中，以第一作者发表IEEE Trans./CCF A类论文7篇，包括IEEE TPAMI 2026、AAAI 2026、CVPR 2025、CVPR 2024、AAAI 2024、IEEE TIFS 2024和IEEE TCSVT 2023。获得北京大学2026年优秀毕业生称号、北京大学2024-2025学年度“博士研究生校长奖学金”、2023-2024学年北京大学“优秀科研奖”等荣誉。