在我国平安城市计划开展以来,人们对公共场所的人身与财产安全的关注度越来越高。利用大量的视频监控摄像头快速、准确地获取公共场所的人像信息对城市公共秩序的管理以及刑侦工作都具有重要的意义。而随着摄像头网络规模和数量不断增加,通过人工从不同视频监控录像中检索特定行人的方式由于效率低下且成本过高越来越难以满足城市安全管理人员以及公安刑侦的需求。因此,依靠计算机视觉技术让机器自动从监控摄像头网络中快速、精确地检索特定行人成为了迫切的需求。本文就跨摄像头行人检索问题中的行人检测与行人重识别方法进行了研究,并基于这两个方法的研究设计与实现了跨摄像头行人检索系统,具体来说,本文完成了以下工作:首先,在行人检测方法的研究中,针对实际监控场景的行人多尺度问题,对在行人检索中使用的主流行人检测方法特点与不足进行了分析,提出了具有特征金字塔结构的行人检测模型来捕获不同尺度的行人,并通过实验验证了该模型的有效性与优势;针对实际检索场景中行人检测与重识别在优化策略上缺乏实际指导经验的问题,对联合与分阶段两种优化方式采用统一的基准模型与数据集进行了对比实验,确定了在实际场景下性能更优的组合方式,并应用在后续的系统实现中。接着,在行人重识别方法的研究中,根据人在对不同摄像头下行人识别的特点,提出了粗细粒度结合的神经网络模型,将该模型设计为具有粗、细粒度两个分支的多分支网络结构;并提出了由人体解析模型生成的人体多层语义注意力图引导两个分支提取不同粒度的特征;借鉴知识蒸馏的思想提出了知识蒸馏损失函数,引入包含行人相似信息的软标签来优化网络的训练与特征提取。在公开基准数据集上验证了本文提出方法的有效性与优越性。最后,基于前面两个研究成果,将行人检测与重识别方法整合在一起,设计与实现了跨摄像头行人检索系统,用户可以通过向系统输入某个摄像头下感兴趣的行人图片,从指定时间段与监控视频数据中快速检索该行人的出现情况,相比传统人工检索方式能大量的节省时间与人力。