近年来,由于物联网产业的飞速发展,建设“智慧城市”的理念深入人心,监控视频网络作为其中不可或缺的部分得到了广泛的应用。作为智能监控中核心技术之一的非重叠视域多摄像机下的行人再识别问题也引起了国内外专家学者的深入研究。行人再识别在跨摄像机目标跟踪和检索方面是不可或缺的一环,但是由于监控视频中行人图像分辨率低,监控场景中存在着光照变化,监控视角变化,行人姿态变化,以及摄像机自身属性参数不同等原因,导致同一个行人目标在不同监控视频中的外观表现出很大的差异,对行人再识别造成重大干扰,使行人再识别面临众多挑战。为了应对这些挑战,本文提出了一种基于多特征融合与交替方向乘子法的行人再识别算法。论文的主要研究工作及创新点如下:　　1.针对多种颜色特征对行人图像描述产生较多冗余信息的局限性,本文从HSV、RGS、LAB和YcbCr四种不同颜色特征中选取了HSV和LAB颜色特征及对光照、阴影具有鲁棒性的SILTP纹理特征和对行人姿态有很好描述的HOG特征;另一方面,在提取特征的方式上,使用固定大小和步长的滑动窗口提取特征,并根据行人腿部和躯干表达信息能力的不同将腿部和躯干划分为两块和三块;又由于不同分块受环境的噪声影响不一样,提出了特定区域均值法尽可能的减小环境噪声的干扰。　　2.基于独立测度学习的行人再识别算法,在不同特征空间求解出相似度函数,最后根据不同的权重对相似度进行加权,这种方法提供的权值是人工设定并不是整个样本库的最优权值,导致不能充分利用各种特征的信息。为解决这类问题,本文采用一种交替方向乘子优化算法,该算法首先对提取的特征使用L2范数归一化,避免在训练样本小的时候出现过拟合问题,然后在测度学习的基础上将整体与局部相似度结合利用交替方向乘子优化算法,迭代更新出最优的距离测度矩阵,从而根据最终求得的相似度来实现行人图像的匹配。　　3.结合以上工作及创新点,设计出一种简单的跨摄像机行人再识别系统,实现跨摄像机间的行人再识别与行人目标跟踪等任务。