随着现代城市的不断建设和发展,智慧监控系统在城市建设中起着越来越重要的作用。在经济社会高速发展的同时,人们对社会安全的要求也随之提高。面对每天产生的海量监控视频数据,使用人工分析存在很大的困难。而行人重识别作为自动视频分析中的一项关键技术,近年来受到了广泛的关注。行人重识别旨在匹配非重叠摄像机所拍摄的行人图像或视频。相比于图像而言,视频提供了更加丰富的时空信息,如何充分利用视频所提供的时序信息和空间信息,是提升视频行人重识别准确率的关键。现有的一些方法利用视频帧与帧之间的空间信息互补,以获得更加鲁棒的空间特征,但是却忽略了帧与帧在时序上的关联信息;另外的一些方法采用光流或者三维卷积的方式用于时序信息的提取,但是对局部空间信息的利用不够充分,且这些时序信息的提取方式较为复杂。为此,本文的主要工作为:1)从空间特征和时间特征提取的角度,提出了一种双流网络。该网络的空间流将空间通道并行（Spatial Channel Parallelism,SCP）网络拓展到三维,从而获取鲁棒的局部和全局的空间特征;针对行人视频时序信息提取困难的问题,本文引入了一个协作时空（Collaborative Spatio Temporal,Co ST）时序特征提取模块,该模块用二维卷积的参数量实现了三维卷积的效果。最后提出了一个联合距离用于计算行人的空间特征之间的距离和时间特征之间的距离,最终的判别距离是二者的加权和。双流网络在i LIDS-VID数据集上达到92.8%的Rank-1准确率,在MARS数据集上分别达到88.1%和83.7%的Rank-1和m AP准确率,实验结果表明了基于联合距离的双流网络具有较好的重识别性能。2)针对双流网络训练复杂繁琐的问题,本文提出了一种融合了空间流和时间流的端到端视频行人重识别网络。该网络将双流网络当作一个整体,并考虑到了行人重识别在实际应用中,训练和测试的数据源可能不同这一问题,引入并改进了实例批次归一化（Instance Batch Normalization,IBN）模块,用于提升特征的泛化能力。此外,由于时序信息的提取是通过Co ST模块得到,因此其中包含了部分空间信息,为此,本文设计了一个时空特征区别损失函数来训练网络,让时间流更加侧重于时序特征的学习。同时,由于行人重识别网络是以分类网络为基础,再加上度量学习损失进行训练的。然而,重识别实际上是检索问题,而网络训练时并没有用到检索相关的损失函数。为此,本文提出了一种改进的平滑平均精度（Smooth Average Precision,SAP）损失函数用于网络的训练。最后,为了区分空间特征和时序特征二者对最终决策的重要性,提出了一个特征融合模块,从而更好地利用时空信息。端到端网络在MARS数据集上达到了88.9%和84.8%的Rank-1和m AP准确率,表明了端到端网络的有效性。