在计算机视觉领域中,行人重识别发挥着越来越重要的作用。行人重识别的主要任务是通过相似性计算实现跨相机行人目标识别。该技术在交通和安防方面都具有十分重要的应用价值。行人重识别目前还存在着极大的挑战,比如场景中存在背景杂乱、光照不同、低分辨率、姿态剧烈变化等诸多问题,对行人重识别算法造成了很大干扰。这其中由于行人外观的变化和相机角度造成的视觉局部块空间不匹配问题,是目前行人重识别任务中的主要挑战之一。近年来,行人重识别的研究主要集中在两个方面:1)设计出合适的特征来表示行人外观;2)找到合适的度量方式来度量跨相机下的图像之间的相似性。但这些方式都不能有效解决图像中局部块空间不匹配问题,因而,在视角改变和行人姿态变化时,这些方法都有一定的局限性。基于块的方法旨在克服行人图像的局部块不匹配问题,本文针对提及的行人重识别中的挑战,采用基于块的匹配方法展开了研究,具体如下:(1)为了抑制基于块的匹配中离群值的影响,本文提出了基于局部稀疏匹配模型的行人重识别方法。首先,将行人图像分成重叠的块,利用这些块作为图节点来构图,块之间的关系为图的边,利用局部稀疏匹配模型来获得更鲁棒的正样本对的基于块的对应关系并将其存储。其次,通过相似性比较,我们可以获取与测试对最相似的几对样例的基于块的对应关系。最后,我们将学得的块之间的对应关系应用到测试图像对上,采用局部和全局的度量方法,获得最终的行人重识别结果。使用基于块的局部稀疏匹配模型可以获得更鲁棒的对应关系,局部-全局的距离度量也使最终结果更可靠。实验结果表明所提的方法能够较好的实现不同姿态下行人目标的识别。(2)针对相机角度问题,固定的相机角度下拍摄的行人图像也有一定的视角规律可循,我们基于此提出了将不同相机下的行人图像按姿态进行分组,通过提出的多图协同匹配模型来获取姿态组之间的一致性结构对应关系,即姿态与姿态之间的对应。并在测试阶段通过姿态解析找到测试对所对应的的姿态组对,从而使用其所在姿态组的对应关系进行对应结构学习。不同于传统的图匹配问题,多图协同匹配问题旨在挖掘不同图像组之间的匹配关系,学习得到不同视角下的块之间的对应关系。实验结果表明能够对姿态变化下的行人识别任务具有较好的识别性能。