随着社会安全意识的提升和多媒体技术的发展,监控设备被广泛布设于人们的生产生活中。但是仅依靠人力分析大量的视频数据无法达到高精度、实时性的安全保障。所以为监控视频设计智能分析算法具有非常重要的研究意义。本文着重研究监控视频智能化的行人检测方法和行人重识别方法,基于卷积神经网络,提出端到端的行人检索融合模型。对于行人重识别问题,身份特征和与身份无关的特征高度耦合,导致模型在训练过程中被无关信息干扰,影响识别准确率。本文提出行人语义特征模型,并在深度特征图上使用施密特正交化特征分解技术,将身份特征与身份无关特征分离,对解耦合的身份特征分别使用表征学习策略和度量学习策略训练。实验证明在深度网络中的特征分离有效地提高了行人重识别模型的识别准确率。为实现端到端的行人检索模型,本文令YOLO-v3目标检测模型与改进的行人重识别模型共享特征提取网络。共享的特征提取网络会导致检测模型和重识别模型互相干扰,影响检测和识别的准确率。本文将深度语义特征模型引入共享特征提取网络,设计任务分离层。实验证明,任务分离层有效地分离了行人的共性特征和个性特征,解决了互相干扰的矛盾。