随着社会建设与城市发展,视频监控已成为保护人们人身安全与财产安全的重要保障。面对如今海量的监控视频数据,而行人又作为监控视频中主要监控对象,若想从监控视频中查找某一目标行人,只靠人工来查看视频中有效信息,将会耗费大量人力且效率较低,因此如何使监控系统更加智能化,成为当前视频监控技术的重点研究方向。本文因此针对在监控视频中对特定目标行人的搜索技术展开研究,提高视频信息检索的效率。根据搜索任务需求,分析了整体系统流程,确定了以行人检测与重识别相结合的行人搜索总体方案。分析了常见的行人检测、跟踪与重识别模型的优缺点,选取可行的方案,为模型的进一步改进提供了方向。为了能够实时检测出视频中行人,得到每个行人位置框,综合考虑算法性能,选择以YOLOv5s目标检测网络为基础,对其损失函数、后处理方式等方面进行改进,训练了一个单行人类别的检测器,在公开数据集与自采数据集上进行性能测试,相比原来精度得到提升,同时结合Deep SORT目标跟踪算法,实现了对行人的检测与跟踪。为了能够提取行人图像中更加具有判别性与鲁棒性的特征,以行人重识别基线模型为基础,在Res Net50残差网络中添加了全局关系感知的注意力模型与分块特征,联合表征学习与度量学习共同训练网络,并在数据集上进行实验对比分析,各模块有效提升了网络对关键特征提取的能力,平均精度均值与首位命中率都得到了提升,验证了算法的优越性。结合行人检测、跟踪与重识别模块实现了行人搜索总体任务,基于Py Qt5框架开发了可视化软件界面,并采集了真实场景下多角度拍摄的行人视频进行软件功能测试,实现了行人检测、跟踪、搜索、模型再训练等功能,在准确率与速度上都有较好的表现,满足预期要求。