在视频监控领域,视频监看人员需要跨越多个摄像头对人群进行分析,从而识别出某个特定的已经出现过的人。研究人员将这种在多个监控视频环境下行人目标检索问题称为行人重识别问题。由于监控视频中的行人受视角变化、姿态变化、光照变化等因素影响,常常导致行人在不同摄像头下外貌发生较为明显的变化。围绕这些问题,本文研究了一种基于显著特征的行人重识别方法。在特征提取阶段,本文研究了一种基于超像素的特征表示方法。该方法首先将行人图像分割成若干超像素块,在此基础上结合颜色直方图和加速鲁棒特征构造特征空间。实验证明通过将该特征描述子与现有的块匹配方法相结合,极大地提高了行人重识别问题的运行效率与算法精度。传统的基于显著特征重识别方法通过不同样本的差异表征自身权重。然而这种计算结果不够稳定,它可能随着比较样本的变化而变化。因此本文介绍了一种基于元胞自动机的方法计算行人图像的内在显著特征。为了充分利用上述两种方法的优点,本文利用多层元胞自动机将它们融合从而在实验中获得了更好的效果。最后在相似性度量过程中仅仅根据各子块的显著与否决定匹配权重过于简单,本文在此基础上研究了一种学习排序方法衡量各图像之间的相似性。实验结果表明,与现有的算法相比在i LIDS数据库上本文算法表现出了更好的性能。