近些年随着视频监控网络的大范围部署应用,如何有效对海量的监控数据自动分析处理,成为了亟待解决的问题。行人再辨识作为其中一个关键技术得到了广泛的关注,并取得了显著的进步。行人再辨识的目标是在跨场景的条件下,依据指定的行人图像或序列数据,从其它场景中识别出目标人。本文从基于图像数据的行人再辨识、基于序列数据的行人再辨识和无监督行人再辨识三个方面进行了较为深入的研究,主要的研究内容和创新点包括:在基于图像数据的行人再辨识研究中,提出了一种融合中级语义特征和局部特征的行人表示算法,获得包含多级别语义信息的判别性特征;此外,设计了基于显著性的多尺度特征增强算法,提高了行人特征的表示能力。在基于序列数据的行人再辨识研究中,提出了一种双向的帧特征增强算法,在抑制噪声的同时恢复图像缺失信息,实现了行人特征的增强;此外,提出了一种帧特征混合融合策略,通过层次相关性融合算法和三维卷积实现了行人时空特征的有效提取。在无监督行人再辨识研究中,提出了一种基于行人关键点信息增强的无监督再辨识框架,并通过设计自适应的簇多样性正则项,提高了跨场景行人再辨识的泛化性能。三个算法分别在多个公开行人数据集上与当前代表性算法进行了性能比较,结果验证了本文算法的有效性。