随着视频采集技术和大规模数据存储技术的快速发展,大型摄像机网络越来越多地被部署在公共场所,传统的人工监控技术己难以应对由此产生的海量视频,智能视频监控技术成为解决这一问题的主要途径。作为智能视频监控领域新兴的课题,行人重识别(Person Re-identification)引起了研究人员的广泛关注。行人重识别是指给定一幅行人图像,在已有的可能来源于非重叠摄像机视域的图像或视频序列中,识别出目标行人。行人重识别的图像一般来源于不同的摄像头,因此面临视角变化、姿态变化、尺度变化和光照变化等带来的挑战。如何准确高效的进行行人重识别,是该课题当前的研究方向。本文针对智能视频监控系统中的行人重识别问题进行了研究,首先采用背景差分技术提取监控视频中运动的行人,然后采用主颜色比对和特征点匹配的方法对行人进行重识别,当检测到目标行人后,采用跟踪的方法进行识别。最后,设计并实现了一款行人重识别系统。在行人检测方面,设计了一种Lab颜色空间下的Vibe行人检测方法。首先采用改进的Vibe算法建立视频场景的背景模型,将当前帧与背景模型做差分,得到运动前景；然后根据人体工程学理论从运动前景中提取人体。其中,针对Vibe算法对光照变化和物体阴影敏感、提取的运动区域不完整的问题,采用带权重的CIE 1976 Lab色差公式度量像素点与样本点之间的距离,并利用像素间的空间一致性对检测结果进行修正,达到了较好的检测效果。在行人重识别方面,提出了一种基于HSV颜色空间和特征点匹配的行人重识别算法。首先根据改进的HSV空间颜色量化策略,比对两幅行人图像的躯干和腿部主颜色是否一致,以快速确定备选目标；然后对备选目标,利用环形Gabor滤波器组生成多尺度图像,再利用FAST与Shi-Tomasi组合算法提取特征点,对检测到的特征点采用改进的BRIEF算法进行描述,之后利用暴力算法和随机抽样一致性算法进行特征点匹配与提纯。实验结果表明,该算法具有尺度不变性、旋转不变性,而且对视角变化和图像噪声有极强的鲁棒性,达到了较高的识别准确率和较快的执行速度。在行人跟踪识别方面,研究了一种增强型均值漂移跟踪算法。采用变化的核函数带宽进行跟踪,在目标未被遮挡的情况下更新目标模型,并且引入卡尔曼滤波器预测目标位置,有效的适应了目标的尺度变化,具有良好的抗遮挡能力,并且达到了图像的实时处理要求。最后,利用Microsoft Visual Studio 2010结合OpenCV开源库设计了一款具备语义识别和示例图像识别功能的基于MFC对话框的行人重识别系统。系统包含人机交互、行人检测、行人特征提取、行人识别和识别结果展示五个功能模块,并运用了面向对象的程序设计和MFC控件重绘关键技术,可以方便用户快速的从监控视频中获取感兴趣的行人目标。