在广泛应用的视频监控系统中,行人重识别任务可分为行人检测和行人重识别两个模块,行人检测和行人重识别方法研究一直都是计算机视觉应用领域的热点问题。行人检测方法需要处理诸如外观多变性、低像素、小尺寸、类人物体和遮挡等一系列的问题。大多数现有方法注重邻接特征的提取,但特征的提取范围有待改进。行人重识别方法中存在多视角、尺寸多变、遮挡和光照等诸多问题。现有方法可以提取色彩和纹理等特征,但这些高维的低级特征无法全面描述行人个体。另外,常用的行人特征还无法较好处理遮挡异常问题。本文在行人检测与行人重识别方面的创新性研究工作分别如下:提出了一种基于邻接与非邻接特征的行人检测方法,该方法的主要创新之处在于:1.设计了一种基于结构对称性的非邻接特征,选取了在性能对比运行速度上取得较好平衡的邻接特征,两类特征能同时进行训练;2.在相互遮挡分析算法中引入尺寸先验估计,优化了各个身体部分置信度评分。在相关数据集上的实验结果显示,邻接与非邻接特征能高效识别各种尺寸的人体以及排除非人物体,改进的相互遮挡分析算法能有效进行遮挡处理。与其他模型进行多个指标比对后,本文模型在性能对比运行速度上取得了较好效果。提出了一种基于高斯分布特征的行人重识别方法,该方法的主要创新之处在于:1.对于输入图像使用快速的超像素预处理,将轮廓信息作为属性特征输入,利用高斯分布进行三个层次的特征建模,优化了特征维度过大问题;2.在初始训练阶段中基于遮挡敏感性自动生成遮挡样本,在再训练阶段中这些样本与原图像一起进行训练。在多个数据集上的实验结果显示,高斯分布特征能建立完整的行人描述,超像素处理、轮廓信息的输入以及遮挡样本训练都增加了方法的性能,并且本文方法的性能超过了其他单层特征模型。