近几年来,国家安全形势日趋严峻,城市视频监控系统的大规模建设与部署推动了视频侦查技术的发展与应用,人们对智能视频分析技术及其应用提出了更为迫切的需求。实际视频侦查中往往需要对犯罪嫌疑人的完整活动路径进行分析,这依赖于在监控视频中识别同一个人在不同位置和不同时间出现的画面,即行人重识别问题。有别于在同一个摄像头下的目标跟踪问题,行人重识别更关注在视野上没有重叠区的多摄像头下的行人识别问题。由于摄像机参数、光照和姿态变化,以及监控视频分辨率较低,通过人脸和步态等进行行人识别的传统方法就不合适,而通过提取行人的整体外貌特征进行识别能取得相对较好的效果。因此,基于外貌的行人重识别技术已逐渐成为视频检索和分析方向的研究热点。行人重识别是计算机视觉领域的一个较新的课题,目前还没有一个统一的、完整的理论框架,已提出的方法可以大致分为基于特征描述的方法和基于机器学习的方法。前者关注找到能够较好的描述外貌特征的方法,后者更关注通过学习的方法找到有效的测量特征描述符间距离的模型。从实际应用的角度考虑,基于机器学习的方法存在几个问题：(1)高维特征向量计算复杂度高,需要大量的存储空间；(2)训练过程时间较长,且样本获取困难。而基于特征描述的方法主要利用行人衣着的视觉信息,使用相对容易提取的图像特征对外貌进行描述,一般不需要训练过程。从实际应用的需求出发,基于特征描述的方法无疑具有明显的优势,也是本文研究的重点所在。最近几年,已经有许多外貌描述方法被提出来,而且提出者通过实验验证它们对光照和视角变化具有一定的鲁棒性,最有代表性的方法是基于对称驱动的局部特征累积方法(Symmetry-Driven Accumulation of Local Features, SDALF)。 SDALF方法把人体分成头、躯干和腿三部分,然后在每一部分提取三种相互补充的特征,通过组合三种特征的描述符构成完整的外貌描述。虽然SDALF在若干标准测试数据集上取得令人满意的性能,但是在实际应用中依然存在几个主要问题：(1)现有方法在提取外貌特征、建立描述符和计算相似度的过程中计算复杂度仍然较高,特征描述符存储开销较大；(2)重识别可以看作是把候选目标根据他们与查询目标之间的特征相似度进行排序,实际应用中一次重识别后的初始排序结果并不能令人满意,近两年来开始有研究者在重识别方法中采用相关反馈技术对排序结果进行改善,试图让正确结果尽量排在前面,但是基于反馈的交互式方法增加了用户的负担,以及重识别的高计算复杂度导致用户体验较差。针对以上问题,本文以视频侦查应用为背景对基于外貌的行人重识别技术展开研究。研究思路是：联合对光照具有不变性的颜色描述符和空间信息来描述行人外貌,建立一种在计算复杂度和性能上较均衡的行人外貌特征描述符；然后,采用差异表示方法计算行人外貌描述符与一组原型之间的差异值,使用差异值向量来表示行人外貌,作为一种紧凑的外貌描述符,降低了特征描述符库的存储开销和相似度计算复杂度；最后,设计一种重排序方法对行人重识别的排序结果进行改善,在保证用户体验的同时尽可能提高重识别的准确率。实验结果显示本文的方法可以得到与SDALF接近的性能,同时具有计算复杂度低和存储开销小的优点,而且可以方便地集成到实际应用系统中。本文的创新性研究成果主要包括以下几个方面：(1)基于空间颜色特征的行人外貌描述由于颜色受光照和视角变化的影响较大,而且基本的颜色直方图没有保留空间信息,从而导致传统的使用颜色直方图描述行人外貌的方法性能较低。针对该问题,本文提出了基于空间颜色特征的行人外貌描述符,采用对光照具有不变性的颜色描述符对外貌进行描述,一定程度上克服光照变化的影响。另一方面,为了弥补颜色直方图缺少空间信息的缺陷,在计算外貌特征描述符时在颜色特征描述符的基础上加入空问信息。实验结果显示本方法在取得接近最好性能的同时具有低计算复杂度的优点。(2)基于差异表示的行人外貌快速匹配方法通过聚合多种特征,用高维向量的组合来构成描述符,必然使得提取特征、描述特征和匹配特征的计算量较大,导致重识别系统效率较低,而且高维特征描述符的存储开销大。针对该问题,本文提出了基于差异表示的行人外貌匹配方法。该方法是基于模式识别中差异表示方法的思想,在一个行人样本库的外貌描述符中选择若干原型,然后计算行人外貌描述符与原型之间的差异值向量作为新的行人外貌描述符,从而降低了行人外貌描述符的存储开销,并提高了相似度计算速度。实验结果显示本方法较大幅度地提高了重识别的效率。(3)基于快速匹配和排名距离的行人重识别方法由于行人外貌描述符的计算复杂度较高,导致现有的采用相关反馈技术去改善排序结果的行人重识别方法的用户体验较差,同时也加重了用户浏览结果和标记相关项的负担。针对该问题,本文提出了基于快速匹配和排名距离的行人重识别方法。该方法是在重识别系统中增加一个结果优化过程,即在根据用户提交的识别目标完成一次重识别后,自动把目标行人加入候选行人库,对每个候选行人进行一次查询,然后利用查询得到的排序表中蕴含的排名相似性计算每对行人间的排名距离,最后根据排名距离对行人进行重新排序。实验结果显示本方法提高了重识别的准确率。综上所述,为了把行人重识别技术用于刑侦视频检索与分析应用系统中,本文把设计在性能和效率间平衡的行人重识别方法作为研究目标,依次对行人外貌描述、匹配方法和排序结果改善三个环节的问题和关键技术展开研究,提出了相应的方法,并通过实验证明了本文方法的有效性,对于开展重识别技术的深度应用具有重要的理论意义和应用价值。