随着城市的发展和科技的进步,城市公共基础设施日趋完善,尤其是“城市天眼系统”的布局,使得城市中的交通要道和街头巷尾都遍布着摄像头。“天眼”的布局使得公共安全在一定程度上得到了极大的提升。行人重识别（Person Re-Identification）问题就是要尽可能准确地将一幅行人图像从一个巨大的行人图像库中找到同一个行人的所有图像。行人重识别技术的发展对智慧城市中安防监控领域有着重大的理论研究意义和实际应用价值。由城市摄像头所拍摄的视频图像,尤其是在人流比较密集的场景下,目标行人容易受到遮挡、相机角度、光照变化、背景变化等因素的影响,这些因素会严重影响行人重识别算法的准确性和鲁棒性。行人重识别问题的研究可以概括为两个方面:（1）获取能够准确描述图像信息的特征。（2）基于图像特征,建立一种能够精准度量图像特征的机制,使其可以高效准确地检索与查询图像中一致的图像。在本文中,主要做了以下工作:（1）使用卷积神经网络获取行人图像的深度特征作为图像描述算子,采用一种基于Siamese网络的分类-判别模型对行人图像进行检索匹配。（2）行人重识别公开数据集的规模有限,采用生成对抗网络生成具有不同风格的行人图像,实现数据集扩充,使用扩充后的数据集训练行人重识别模型,提高模型对行人特征的学习能力。（3）提出一种用于识别结果的重排序算法,通过计算查询图像与结果图像之间的距离,将最接近查询图像中的行人图像放在结果图像序列中更靠前的位置,以此提高模型的累计匹配特征（Cumulative Matching Characteristic,CMC）和平均精确度（m AP）这两个性能指标。