近年来,随着社会的不断发展和信息技术的不断进步,人类的衣食住行更加智能化,生活环境中摄像机监控系统日益普遍。行人重识别和多目标跟踪作为关键技术对于视频监控系统智能化和应用具有重要意义。本文主要研究了Wasserstein度量在行人重识别中相似性度量问题和多目标跟踪中数据关联问题上的应用。本文提出了基于Wasserstein度量的行人重识别算法和基于Wasserstein度量的行人跟踪中的数据关联算法。具体内容包含以下两个方面:基于Wasserstein度量的行人重识别算法:首先,详细推导了Wasserstein距离的求解步骤,借助于Farkas引理和对偶定理,把求解Wasserstein距离最小值的问题转化为约束条件下求其对偶形式最大值的问题。然后,把Wasserstein距离与深度网络相结合,考虑到网络训练的难易程度和收敛情况,对网络的输出添加一个梯度惩罚项,使网络的输出限制在一定的范围内。最后,在行人重识别数据集Market1501上进行实验,实验结果显示,所提算法与其它相关算法相比累计匹配特性(Top-1)和平均精度(m AP)这两个指标都有所提升。基于Wasserstein度量的行人跟踪中的数据关联算法:首先,根据MOT16训练集上的目标检测结果制作了数据集。制作的数据集共有110000个数据,每个数据都包含两个128维的向量,这两个向量分别描述前后帧行人的外观特征。然后,基于Wasserstein距离定义了一种Contrastive损失,并在自己制作的数据集上训练。该算法级联了行人的外观特征和运动特征,Wasserstein距离反映了行人的外观匹配度,马氏距离反映了行人的运动匹配度。对于满足外观匹配度的行人再利用运动匹配度进一步筛选,对于同时满足外观匹配度和运动匹配度的行人,使用Hungarian算法实现行人的最佳关联。最后,在MOT16测试集上进行实验,实验结果显示,所提算法有效了减少跟踪中漏报行人的个数。