随着社会的发展和公众安全意识的提高,视频监控在生活中起着越来越重要的作用。由于不同摄像机视角不同、背景不同、行人姿势变化、遮挡等因素,视频监控中的行人再识别问题遇到了很大的挑战。本文针对非重叠视域下行人再识别技术中的特征提取与相似性度量进行相关研究。本文提出一种基于重叠条纹的特征提取及融合算法,在提取行人图像特征时,对其进行图像增强和重叠条纹分割,基于重叠条纹提取图像HSV颜色特征、Gabor纹理特征、颜色语义特征和行人属性特征,并运用典型相关分析法对所提取特征进行特征层融合,有效解决了光照、行人图像背景变化和视角改变等问题带来的影响。本文还提出一种基于上下文内容重排序的算法,首先对所提取的特征进行相似性度量得到行人图像的初始排序,然后对初始排序中的每张图像进行反向排序,将初始排序和反向排序进行上下文内容重排序,得到最终行人排序,从而使识别到的正确行人排名提前,提高行人再识别率。最后在VIPeR、GRID和CUHK01三个行人再识别数据集上采用CMC(Cumulative Matching Characteristic Curve)曲线对所提算法进行了实验与分析。实验证明,本文算法有效提高了行人再识别率。此外,本文还基于MATLAB图像用户界面设计了行人再识别系统,进一步验证本文算法的有效性。