随着视频监控的发展及应用,其在当今社会生活当中所发挥的作用也越来越重要。而在计算机视觉领域当中,对视频画面中的行人进行处理一直都是当前各国研究者所重点关注的对象。而人体再识别的发展也是源于对监控视频中的行人进行匹配搜索的思想,人体再识别主要的任务就是判断一个目标行人在非重叠相机视角中是否出现的匹配过程。由于在匹配不同行人的过程中会存在一系列的比如光照变化、行人姿态、背景差异以及相机参数等产生的问题,因而对人体再识别的研究一直是一项具有挑战性的研究内容。当前人体再识别具体应用主要从对视频中行人检测、行人特征提取以及度量学习三个方向入手。本文的主要工作内容如下:1.在对视频中的行人检测部分本文首先设计了一种基于高斯混合模型的前景提取方案,针对这种具有运动目标的前景区域进行人体检测,主要采用HOG特征结合分类器的方法对该运动前景区域进行人体检测;同时对比了另一种基于DPM模型的行人检测,虽然利用DPM算法的人体检测效果比前一种好,但是却不能很好的满足在实时处理中的应用。因此本文主要还是采用结合前景检测的HOG特征的人体检测方法来作为本文的检测工作。2.在人体再识别上,本文首先为了获得具有鲁棒性的行人特征上采用一种局部最大特征提取方法,该特征提取方法首先在特征提取速度上可以非常好的满足该人体再识别系统的要求,其次局部最大特征提取方法可以非常好的解决行人图像中存在的相机视角及光照变化产生的影响。同时本文还采用了显著性特征提取方法,对于提升人体再识别的准确率具有非常好的作用。3.最后在人体再识别应用系统设计当中,本文将上述行人检测和人体再识别模块整合在一起,形成实现一种端到端的人体再识别系统方案,实现了一种可以方便用户快速从监控视频中获得待重识别的行人目标。