行人重识别是一项借助计算机视觉算法查找实例图像的技术。当前,该技术被广泛应用于智能安防领域,以实现对视频监控系统的智能化改造。但是,由于物理空间的限制,子场景之间的不连通性限制了系统的进一步升级。相比于固定的监控摄像头,配备了摄像头的移动机器人可以实现子场景的扩展与连通。更重要的是,行人重识别技术还可以提高移动机器人的社交能力,这有助于改善人机交互的质量。因此,移动机器人场景中的行人重识别技术具有切实的研究意义。序列候选库是行人重识别技术的关键,它的生成质量决定了重识别性能的好坏。当前的生成方法基于人工标签来生成序列候选库。但是,在移动机器人场景中,原始视频缺少人工标签,这使得当前的生成方法无法满足需求。本文围绕序列候选库进行了如下研究:一方面,本文提出了一种无监督式的序列候选库生成方法,该方法可以在没有任何人工标注的情况下,从原始视频中直接生成序列候选库。具体来说,为了克服机器人移动所带来的视觉误差,本文提出了基于动态估计的多目标跟踪算法,用于生成行人序列。更进一步的,针对行人序列呈现同向流形分布的特性,本文提出了均衡准则。该准则将混叠距离和流形距离相结合,可以平衡聚类簇的同质性和完整性。本文利用均衡准则对行人序列进行聚类,从而将同一个行人的多个序列关联到统一的身份标识。这提高了序列候选库中身份标识的完备性。实验表明,生成的序列候选库具有良好的完整性和同质性。另一方面,为了进一步验证序列候选库的生成质量,本文利用序列编码器,对每个行人序列依次进行编码,组建特征候选库。序列编码器由图像编码器和时序融合模块组成,通过削弱动态背景的影响,图像编码器可以更多地关注到行人的肢体特征。当某个行人发起查询请求时,本文通过计算特征相似度和重排序检索列表,返回该行人的实例图像。实验表明,基于序列候选库的检索方法取得了优异的重识别精度,这也验证了序列候选库的生成质量。综上所述,本文生成的序列候选库语义信息更丰富,鲁棒性更强,基于该序列候选库可以达到良好的重识别精度。因此,本研究在移动机器人场景中具有一定的实际应用价值。