随着社会的发展,越来越多的摄像头被安装到商场、地铁、校园、港口和飞机场等公共场所,从而形成了一个大型的视频监控网络。行人重识别就是判断在不重叠摄像头下的行人是否是同一行人的技术。由于不同摄像头所具有的参数、安装角度和周围环境不同,使得在不同摄像头下的行人很容易受到视角、光照和姿态等因素的影响,从而出现同一行人不相似而不同行人更相似的问题。为了解决上述行人重识别中可能出现的问题,本文从特征提取和度量学习两个方面进行研究。本文提出的方法首先将常用颜色特征中的三颜色通道转换成更接近现实世界中颜色的十一种颜色通道,每一种颜色通道对应一种颜色名,并计算每种颜色名在每个像素位置出现的概率。此外,本文在每个像素位置上取其十一种颜色名中出现概率最大的颜色名直接取代该位置像素,以此来解决光照和周围环境对颜色名特征的影响,使颜色名特征对光照和环境具有更好的鲁棒性。二次判别分析度量方法学习所有摄像头通用的投影矩阵,因此其泛化能力较强,但是其忽略了每个摄像头固有属性所造成的固有特征失真,而这些失真的特征中可能具有很好的判别信息,因此该方法的判别能力较弱。本文通过特征增强方法来改进二次判别分析度量方法,在保证其泛化能力的同时,考虑每个摄像头内部固有属性造成的特征失真,改善其最终的判别能力。最终,在行人重识别中使用最广泛的两个数据集——VIPeR和CUHK01数据集上进行验证。实验结果表明,本文提出的特征提取方法和改进的度量学习方法可以很好的提高行人重识别的识别率。