随着社会的稳定和谐发展,越来越多的人开始关注社会安全问题。智能安监系统一直是人们用于发现危险情况并及时排解的重要平台。行人重识别技术是计算机视觉领域的新兴研究方向,也是智能安全检测的重要手段。行人重识别主要是提取行人特征,判断两张图片是否表示同一个行人。因此,本文旨在研究如何提升行人特征的可辨别性。由于行人图片拍摄于不同时间、不同地点、不同摄像角度等富有变化性的环境,这给重识别任务带来巨大挑战。我们发现,单纯的使用深度学习的语义特征不能更好的关注行人的某些独有特性。而传统机器学习训练得到的高斯特征能够解析出行人的颜色、纹理和身体相对位置等信息,具有丰富的行人特性。因此本文将传统的高斯特征与深度语义特征进行融合,从而增强行人整体特征的可辨别性。在本文中,我们详细介绍了我们提出的行人重识别框架以及融合策略,并且在两个公共数据集(Market1501和VIPeR)上取得了良好的性能。此外,我们还将此模型运用在车辆重识别任务上,并且结合了行人重识别中的方法加以验证。经实验证明,我们的方法在车辆数据集VeRi上效果有很大提升。这也说明了重识别任务的相互关联性。我们将结果与当前存在的高水平结果进行了对比分析,进一步证明了我们方法的有效性。