随着人们对社会公共安全的日益关注,越来越多的监控摄像头被安装在人群密集的公共场所,为公安部门维护公共安全和刑侦提供了不可或缺的重要工具。行人再识别是智能监控的一个基本任务,目标是对监控视频中重复出现的行人进行匹配,它具有很高的实用性,然而也面临许多诸如跨摄像头拍摄角度差异、光照差异等带来的挑战。这个研究问题在近几年来获得了学界的广泛关注,许多相关文章在重要的计算机视觉顶级会议上发表,并逐渐被应用到工业产品中。关于行人再识别的研究主要集中在两个方面:设计行人图像特征提取和融合的方法;使用机器学习方法来学习跨摄像头之间的行人图像的匹配算法,如距离度量学习。本文从子空间学习角度出发研究了这两部分的工作,主要的研究内容有:(1)针对行人再识别中跨摄像头图像之间拍摄角度、光照变化等带来的挑战,以及为了获取更多的行人本质的特征信息,本文结合计算机视觉中的成熟算法提出了对行人进行颜色、纹理和轮廓等方面提取特征的算法。最终提出的提取方法应用于行人图像数据集在欧式距离和余弦距离上都有更好的识别效果。(2)在行人图像特征提取研究的基础上,本文还提出了基于稀疏图归纳学习的行人再识别算法。该算法融合了图学习和稀疏表示的优点,从样本相关关系中学习一个从特征到标签的投影,测试数据直接经过归纳学习到的投影判断类别标签,达到对行人图像进行分类的效果。最后本文通过在四个公共数据集上的实验证明了该方法的有效性。