公共安全是社会稳定和国民经济发展的前提,视频监控在公共安全防范领域有着不可替代的作用。随着监控设备的逐渐普及,监控数据急剧增长,低效耗时的人工监控方式已然不再可取,作为能快速从海量视频中查询到目标行人的行人再识别技术,成为计算机视觉领域的研究热点。本文主要研究无重叠视域下的行人再识别技术,即判断在跨摄像头系统中,一个摄像头中的目标行人是否出现在另一个摄像头视域中。本文分别从基于手工特征和深度学习的方法,对行人再识别技术进行研究,主要研究成果如下:1)针对行人外观受光照、视角等外界因素影响而变化显著的问题,本文提出了基于多特征融合的归一化距离度量的行人再识别方法,整合了三种不同层次的特征表示和两种快速实用的距离度量学习模型。实验结果证明了多种特征的组合能够充分挖掘不同特征的潜在表征能力,聚合不同的距离度量模型能进一步提高每个特征的利用率。2)针对全局特征更注重整体外观描述而忽略重要细节的问题,本文提出了多尺度特征网络。根据行人图像的高度结构性,设计多分支网络提取基于结构信息的局部特征,并与全局特征融合成一个深度特征;在此基础上设计了组合损失函数,释放网络的最大区分性能。3)针对行人图像错位问题,本文提出了基于行人对齐的多尺度融合网络的行人再识别方法。该方法引入了空间变换网络对行人图像重新定位,并将空间变换网络与多尺度特征网络融合一起提取对齐后的行人特征,实验结果证明了该方法的优越性,具有一定的应用价值。