伴随着安防监控领域科学技术的发展和国家对安防监控领域的重视,我国已经成为了世界上最安全的国家之一。无重叠视域多摄像机行人再识别是解决不同视域的摄像机下匹配相同行人的任务,该任务对行政机关和司法机关维护社会公共安全具有重大的意义。由于摄像机自身分辨率受限,导致摄像机观察到的行人分辨率低,同时不同视域的摄像机之间存在视角、光线和所拍摄的行人姿态之间的差异,这些因素都会对算法识别匹配相同行人的过程产生干扰,使得无重叠视域下的行人再识别依旧面临着很大的挑战。为了解决这些问题,本文对基于视频的无重叠视域多摄像机行人再识别进行了深入的研究,论文的主要研究工作及创新点如下:1.针对基于视频的无重叠视域多摄像机行人再识别,本文提出了融合生成对抗网络和姿态估计的视频行人再识别方法。该方法通过生成对抗网络网络去生成视频预测帧序列来增加样本数量,并加入了行人关节点的特征信息去提升模型效率。实验结果表明,本文提出的改进方法可以有效的提高公开数据集的识别率。2.针对视频行人再识别中不同摄像机拍摄的视频中行人之间运动周期、步伐大小的差异,影响卷积神经网络提取运动信息,干扰运动信息的表达。本文设计了一种基于多尺度帧率的视频行人再识别方法。首先利用自适应可分离卷积插帧算法对数据集进行插帧,生成的图像清晰且保持行人运动轨迹,再使用多尺度的帧率对时-空注意力网络进行训练,使网络适应帧率之间的变化,实验性能有所提高。