随着近几年来人们对于安全问题逐渐重视,以及监控技术和存储设备的不断升级,公共区域被大大小小的监控网络设备所覆盖。由于涉及个人隐私,监控摄像头不能够遍布各个角落。因此,在空间连续性上存在大量不可见区域。如何利用有限的图片信息得到更高级的行人匹配特征进而区分不同行人显得尤为关键。并且由于摄像机视角差异、光照强弱等客观原因,使得存储设备获得了大量的低质量图片。基于以上分析,本文主要利用时空关系挖掘潜在的行人标签信息,辅助行人再识别。本文的主要创新点如下:1.针对行人外观特征相似问题,本文提出了一种时空模型约束的方法,统计行人经过不同摄像机下的走动时间差。利用大量有效的时间差结合摄像机号构建混合高斯模型,拟合真实的行人走动时间分布。通过行人图片的帧号和摄像头的对应关系,筛选不可能出现的行人,挖掘潜在的行人标签信息,约束探测集和图库集行人对之间的关联性,在没有标签辅助的行人再识别中达到很好的效果。2.针对实际场景下行人图片的低质量问题,本文利用了一种重建图像分辨率的预处理方式增强图像本身的色彩信息,提高图片信噪比。通过实际搭建的智能监控系统验证方法的有效性,并且详细介绍了具体流程和相关环境配置。对于不同行人之间走动速度相近的干扰,本文提出区段时空统计概率分布,用目标数据周围的局部概率分布联系探测行人和图库行人的行走规律。将构建全局模型带来的差值影响降低,且结构轻便简单,适合在实际智能监控系统上提升行人再识别效果。