针对图像遮挡样本不充分以及如何加强切块区域联系这两个方面问题,提出一种改进的PCB网络行人重识别框架。第一、关于遮挡样本不充分问题,采用传统图像增强结合随机擦除对图像进行预处理,能够很好弥补传统图像预处理方法的不足,提高模型的泛化能力。第二、针对PCB网络硬划分的方法,通过改进网络结构,增加相邻切块间的联系,能够很好的配合RPP网络提高模型的准确率。基于两点改进,在公开数据集Market1501,DukeMTMC-reID,CUHK03上进行一系列实验,实验结果表明两种改进方法均能有效地提高行人重识别性能。在相同的测试条件下,融合两种方法相比PCB+RPP算法性能分别提高4.18%、0.61%、1.27%。针对时间注意力机制忽视低质量图像中有用信息这一问题,提出了一种改进的时间注意力机制模型。在图像特征提取时加入空间自注意力机制,能够有效关注图像内部空间信息。同时在视频帧图像预处理中采用随机擦除算法,结合两种方法在公开数据集iLIDS-VID上的实验表明能够提高复杂背景下的行人识别率,Rank-1可达74.4%。本文以随机擦除预处理后的视频帧图像作为输入,以CNN+RNN模型为基础,对比RNN变体在特征融合时的表现力。在公开数据集iLIDS-VID上进行一系列实验,实验结果表明双向循环神经网络结合随机擦除算法能够很好融合复杂背景的视频序列特征,有效解决图像遮挡问题。