随着科学技术的发展,大规模分布式多摄像头监控网络渐渐融入人们的生活,保障着公共安全。人体再识别问题是视频监控中的一项重要课题,旨在识别非同时、非同地监控视频中的同一行人目标,可应用于嫌疑人定位、走失人员查找等领域。然而,由于环境条件的多变性,人体再识别问题仍面临很多挑战。本课题采用图像处理和计算机视觉领域的经典算法解决人体再识别问题:在行人检测方面,使用HOG特征描述子及SVM完成视频集中的行人检测工作;在特征提取方面,使用具有辨识力的颜色及纹理特征描述图像,同时结合图像分割、位置核函数和图像金字塔等技术以使特征更强健;在分类及匹配方面,使用高效的局部特征编码算法完成,从候选集中选取与探测目标近似的推荐。当将人体再识别系统应用于实际时,人们期望在保证再识别率的同时兼顾实时性。然而,一般的人体再识别技术忽略了时间方面的需求,与它们不同的是,本课题不仅在识别率方面取得了良好的效果,在实时性方面亦有出色的表现。本课题从两方面对方案进行了验证:首先,在公共数据集上进行实验,并与流行的再识别技术进行精度和速度方面的比较;其次,在自行采集的视频集上进行实施,以考察方案在实际使用中的性能表现。令人较满意的实验结果证实此方法具有实际应用的价值。此外,为了将方案提供给第三方使用,本课题基于C++进行了可视化软件的开发。