行人重识别是智能安防领域一个重要的研究方向,其目的是利用查询图像去检索某个图像数据库中相关的图像,可以视为一种图像检索技术。当前行人重识别的绝大部分工作主要关注在可见光模态场景。而在现实场景中,可见光摄像头仅能拍摄白天或者光线充足条件下的行人图像,对夜间或者光线条件较差的场景的适应性较差。随着红外光摄像头的出现,在光线条件较差的情况下获取行人的红外图像成为可能,因此也有一些研究者开始关注红外光模态场景和跨模态场景下的行人重识别问题。显然由于红外光图像的单通道特性使其较可见光图像相比缺少大量的信息,因此红外光模态场景和跨模态场景下的行人重识别问题比可见光模态场景下的行人重识别问题更具有挑战性。本文针对可见光模态、红外光模态以及跨模态场景对行人重识别问题进行了研究和应用。首先,本文详细地分类总结了三种模态场景下的一些主流算法,阐述其基本原理并对相关结果进行整理总结,其中可见光模态场景又分为全监督场景、无监督场景和半监督场景三种类型,每种场景下的算法均进行了分类介绍。第二,针对红外光模态场景下的行人重识别问题,由于当前没有公开的数据集,本文首次提出了一个红外光模态行人重识别数据集NJU-IR,其主要包含1,564个行人的30,385张图像,并从行人检测、行人跟踪等角度介绍了该数据集的构建过程;同时在该数据集上对大量现有的可见光模态方法进行了实验,并针对该数据集提出了一个基准实验框架,也说明了该数据集的挑战性和研究价值。第三,针对跨模态场景下的行人重识别问题,考虑到现有的方法在特征空间表达以及损失函数设计等方面存在一定的不足,本文提出了一个基于灰度特征的改进双路网络算法,该方法在TSLFN框架的基础上,继承了基于局部特征的网络结构和异态损失,加入了灰度转化模块和全局的特征表达,提高了共享模态空间的特征表达能力并解决了其没有考虑全局特征的问题;同时ii对比实验证明了其在SYSU-MM01和Reg DB数据集上相对于其他主流方法取得了明显的提升效果,消融实验同时证明了该实验的有效性。最后,本文针对以上三种模态场景以及一些相应的主流算法,基于Python语言的Web应用框架Django实现了一个多模态行人重识别系统,用来实现在上述三种场景下对指定行人的检索识别任务并进行可视化展示,将行人重识别技术用于实际应用中。