近年来,随着高清摄像头的普及和计算机视觉技术的快速发展,智能监控系统逐渐在各个行业得到了广泛的应用。行人再识别作为智能监控系统中的核心技术之一,也受到越来越多的关注。实际的监控视频中一般存在图像分辨率较低、背景干扰、拍摄视角变化、行人姿态变化等问题,导致同一个行人在不同监控视域下的外观出现较大差异,从而进一步增加了行人再识别的难度。本文主要针对视频行人再识别和图像行人再识别进行算法研究,所做工作和创新点如下:1.基于视频的行人再识别,针对其遇到的背景干扰问题,本文采用一种基于人体关键点检测的背景分离技术。首先,利用关键点检测技术对样本进行行人形体模板构造,从而分离出背景区域,并在一系列的形体模板上获取行人的步态信息。其次,本文采用双流CNN网络进行深层特征融合,有效的利用单步了光流信息和前景分割模板的方法产生行人的步态信息以及颜色外观信息,最终使用RNN网络整合每步的信息,并以此判断不同行人视频之间的相似度。2.基于图像的行人再识别中,同样地,我们使用人体关键点检测技术构造行人形体模板。与基于视频不同的是:我们将此模板作为前景分割的弱监督信息,并用它去约束神经网络注视的区域来区分行人的身体区域与背景区域。具体来说,首先,我们选取特征金字塔网络作为训练阶段的网络框架,在特征学习阶段输出由不同网络层所关注区域对应的不同尺度的前景区域预测模型;其次,使用前面得到的行人形体模板作为弱监督信息对预测的模型进行优化,使网络在特征表达的每个阶段中均能够更好地区分行人区域与背景区域;最后在测试阶段仅使用特征金字塔的主干网络提取特征,完成再识别工作。