随着我国“平安城市”、“智慧城市”建设的稳步推进,大量的视频监控设备被部署到城市的大街小巷之中,这些视频监控设备为监控异常行为、寻找丢失儿童和追踪犯罪嫌疑人等提供了有力的保障。但是面对如此海量的视频数据,传统的人工监查系统已然显得捉襟见肘,因此寻找一种能够自动检索和跟踪目标行人的智能视频监控系统变得尤为重要。而行人再识别技术作为智能视频监控系统中的核心算法,近年来引起了国内外专家学者们的深入研究。本文首先简要介绍了行人再识别技术的基础理论和相关算法以及现阶段所面临的主要挑战,然后针对现有行人再识别算法在匹配行人图像时,仅依靠视觉信息而导致算法识别率低下的问题提出了两种不同的解决方案:1.提出一种基于正逆向排序约束的重排序算法来修正部分错误匹配。正向排序约束即如果图像位于某一正向排序列表的靠前位置,那么它在其他正向排序列表中的位置应该相对靠后。逆向排序约束即如果两张图像是同一行人的图像那么它们都必将位于对方排序列表的靠前位置。2.设计一种基于摄像机网络拓扑结构的时空融合模型来弥补现有行人再识别算法中时空信息的缺失。该模型首先通过统计部分行人穿过目标监控场所中任意两个摄像机时的运动时间,来构建相应摄像机对的时空关系。然后利用该时空关系计算任意两张行人图像捕获时间差出现的概率,作为它们之间的时空相似度评分。最后将该时空相似度评分与原始视觉相似度评分融合后作为相应行人图像间的融合相似度评分。