行人重识别作为视频监控技术被广泛用于大型公共场所,其主要任务是通过不同摄像头拍摄的监控画面来定位目标行人,以此来预防一些危害社会安全的行为。由于在实际场景中拍摄的图像常常受到复杂环境的干扰,寻求一种能在监控环境下准确识别行人的行人重识别系统成为该研究的热点。本文将研究重点放在融合局部特征的行人重识别系统上,同时为了使重识别能更好地应用到实际场景中,设计了端到端行人重识别系统。本文主要研究工作如下:(1)针对光照、行人姿态、分辨率等干扰而导致行人重识别准确率下降的问题,本文提出了一种融合局部特征和全局特征的多尺度网络。同时为了有效提升重识别网络的辨别能力,引入了三元组损失,使用联合损失函数进行特征训练。此外,利用重排序算法提升了多尺度网络的准确率。本文在三种数据集上进行了对比实验,实验结果表明,该算法能有效提高各种干扰影响下的行人重识别准确率。(2)针对当前行人重识别大多都是在行人检测的行人图像上进行识别的弊端,本文根据实际需求,通过改进整个Faster R-CNN行人检测网络框架,结合(1)中实现的多尺度行人重识别网络,提出一种在实际场景中直接识别行人的端到端行人重识别方法。同时,为了使网络更方便地输出行人候选框,本文引入SENet网络对目标行人图像特征和场景图片特征进行处理。最后,本文在场景图片数据集上进行了对比实验,结果表明本文的端到端行人重识别方法具有更好的识别性能。(3)为了使(2)中端到端行人重识别系统能更好地应用到实际生活中,本文使用了剪枝算法对网络模型进行压缩加速,针对Res Net残差网络,引入了残差块的硬剪枝。实验结果表明,该算法能够使端到端网络保持一定准确率下的同时拥有更快的识别速度。