随着多摄像头监控系统的广泛应用,针对特定目标(主要是人)的智能视频检索成为视频监察工作的重要课题。非重叠域行人再识别是智能视频检索领域中最具挑战性的问题之一,它描述的是在非重叠多摄像机监控系统中,通过一系列的图像处理技术,判定出现在某个摄像头中感兴趣的目标人物是否在其他摄像头中出现过。由于非重叠域行人再识别面临着目标图像分辨率低、物体遮挡、光照条件变化、行人姿态变化、以及摄像机参数不同等一些问题所带来的挑战,离实际应用还有较大的距离。本文从行人目标检测和行人再识别两方面进行研究。一方面针对行人目标检测,分别在静态背景和动态背景中,采用现有的一些目标检测算法进行实验,并根据实验结果对各种检测方法进行比较分析。另一方面针对行人再识别,本文基于深度卷积生成对抗网络(DCGAN)提出了一种方法,该方法使用DCGAN网络来提取行人图片的特征,然后计算两个图像之间的相似度,该方法不同于现有的大多数基于深度学习的行人再识别方法,将深度学习网络看做一个特征提取器,这样可以使得神经网络在训练过程中能够采用更大的数据集,而且该方法对于判别模型D的训练过程来说是一种半监督的学习方法。通过在数据集上的实验结果表明,本文提出的方法对非重叠域的行人再识别具有一定的效果,而且可以消除清晰度、光照、遮挡等的负面影响,具有一定的鲁棒性。实验结果还表明可以通过进行特征融合来进一步提高该方法的检测效果。