近年来,视频监控系统大量普及。视频监控系统的建设与应用,在打击犯罪、维护稳定实践中正发挥着越来越重要的作用,视频侦查已成为公安机关侦查破案的新手段。在视频侦查应用中,针对特定嫌疑目标(尤其是人)的检索是重要需求。目前这一过程是通过人工完成,耗费大量的人力物力以及时间,影响破案效率。特定目标监控视频检索的核心关键问题——行人重识别(Person Re-identification),是指判断不同监控摄像头下出现的行人图像是否属于同一行人。随着技术发展和应用需求的增加,这一问题正逐渐发展为研究的热点。由于监控视频质量较差,而且环境不可控,传统的生物特征识别技术并不可行,现有研究大多采用行人图像的外貌特征。然而,由于视角和光照差异,同一行人在不同监控摄像头下的外貌特征明显不同。围绕这一问题,本文分别从特征表示、特征变换和距离度量等三个方面开展研究,取得的创新性成果如下：在特征表示方面,针对视角差异造成不同摄像头行人图像外貌特征不对齐问题,在通过基于分块表示和匹配技术来解决行人图像不对齐的基础上,进一步提出基于遮挡去除的块集合表示与匹配方法,重点解决行人图像外貌特征不对齐中的行人图像遮挡问题。实验结果表明,提出的遮挡去除方法,能够有效的检测出遮挡小块,并通过和现有块匹配方法结合,提升了行人重识别性能3-6%。在特征变换方面,针对不同摄像头的行人图像特征空间分布不一致问题,提出了基于特征投影矩阵的特征变换模型。在学习特征投影矩阵时,借鉴距离测度学习的思想,将特征矩阵学习问题转化成一个无约束平滑的凸优化问题,其目标函数包含一致性误差项和判别性约束项,使得通过学习的特征投影矩阵变换后的特征空间中,同一个人的特征向量接近,而不同人的特征向量远离。实验结果表明,提出的基于特征投影的特征变换方法,能够有效克服特征空间分布不一致问题,与基于亮度变换函数的方法相比,性能提升10%以上。在距离度量方面,针对传统的距离函数未考虑样本特性而判别性弱的问题,在距离测度学习方法的基础上,进一步提出了基于k近邻的局部距离度量技术,并通过集成距离测度学习方法的全局距离函数和基于k近邻的局部距离函数从而提升最终距离函数的判别能力。实验结果表明,基于k近邻局部距离度量技术能够明显提升距离函数的判别能力,最终行人重识别性能提升3-5%。本文的研究面向实际应用需求,涵盖了行人重识别技术的主要关键步骤,进一步推动该技术在实际视频侦查业务中的应用前景,对公安部门提高破案率、维护人民群众生命财产安全具有重要意义。