随着大数据时代的到来以及深度学习的发展,目标识别领域取得了突破性的进展,作为目标识别分支的行人身份识别已经广泛应用于安防、金融以及教育等领域。行人身份识别依赖于人脸识别,对于配合状态下的行人,身份识别可取得很高的精度。然而对于视频中自由行走的行人,其人脸可能存在遮挡、运动模糊以及多种形变,导致人脸识别难度加大,仅利用人脸识别算法难以取得较好的识别效果。目前有些方法借助人脸跟踪算法获取人脸图像集合,采用多帧人脸图像识别方法提升识别效果。然而由于人脸图像分辨率较低而且形变较大,人脸跟踪的鲁棒性难以保证。针对非配合场景下的行人,本文提出基于全局与局部信息的身份识别方法,该方法能提升形变或遮挡等复杂情况下行人身份的识别精度。本文的主要工作包含两个方面:首先,本文以道路上的行人为识别目标,提出了单摄像头下的基于全局与局部信息的行人身份识别方法。行人身体相比人脸而言具有更高的分辨率,而且形变时图像差异化更小,因此本文利用全局的行人外观特征提升跟踪的鲁棒性。本文通过行人检测与跟踪获取不同身份的人体图像集合以及身份编号,对每个行人进行人脸检测来获取人脸图像集合,进而将行人身份编号映射至人脸图像集合,对每个身份编号的人脸图像集合进行识别,从而实现行人全局信息与人脸局部信息结合。同时,本文利用人脸分布的先验知识,对人脸检测网络删减分支与优化参数,在降低网络计算量的同时提升了该场景下人脸检测的性能。实验表明,相比于仅采用局部人脸信息实现行人身份识别的方法,本文所提出的方法有着更高的识别准确率。然后,为了解决背离摄像头移动的行人身份难以识别的问题,本文提出了跨摄像头的基于全局与局部信息的行人身份识别方法,该方法根据行人运动方向进行选择性身份识别。为了保证行人运动方向的准确获取,本文采用滑动窗口法对获取的速度滤波,消除速度方向的突变。本文根据行人不同的运动方向选用不同的识别方法,对于朝向摄像头移动的行人采用单摄像头下的行人身份识别方法,对于背离摄像头移动的行人采用行人重识别与行人库在线构建相结合的方法。该方法应用于多摄像头场景下,拓展了根据背影识别行人身份的功能。综上所述,本文提出的基于全局与局部信息的行人身份识别方法对非配合场景下的行人有着较好的识别效果,在一定程度上提升了行人身份识别的鲁棒性与准确率。该方法不仅可以实现面朝摄像头移动的行人身份识别,还拓展了背离摄像头移动的行人身份识别功能。