伴随着摄像机生产成本的降低和数据存储技术的提高,视频监控系统星罗棋布的出现在社会的各个公共区域中,如学校、机场、交通运输中心、地铁站等,其对维持社会生活的治安秩序有着重要意义。行人重识别是视频监控系统中关键的视频分析技术之一,是许多重要应用的基础技术,例如跨摄像机跟踪、多摄像机行为分析等。行人重识别的目标是在视野非重叠的摄像机系统中识别出特定的行人,即跨摄像头的行人检索问题。自动视频分析的需求日益增加,行人重识别任务也受到越来越多的关注,但目前的行人重识别研究面临许多挑战,如行人姿态剧烈变化、不同摄像机捕获的图像间的色域差异等。为解决行人姿态变化和图片间的色域差异问题,本文给出了一种姿态与色域归一化行人重识别模型。模型的核心部分为联合变量引导的行人图片生成网络PCGAN（Pose and Camera-style guided Generative Adversarial Network）。给定任意行人图像,PCGAN能够保持行人身份不变的同时,改变图片中行人的姿态以及图片的色域。实验中,本文定义了三个标准行人姿态以及一个标准图片色域,用于对行人姿态与图片色域进行归一化。对每一张原始图片,PCGAN将生成其标准姿态与色域下的三张归一化生成图片,在对原始图片与生成的归一化图片进行特征提取后,四个特征向量将输入至本文设计的基于注意力机制的特征融合网络,融合后得到对行人身份敏感而对姿态、色域变化不敏感的特征表达,从而提升行人重识别模型的鲁棒性。具体来说,本文的主要工作如下:（1）设计了联合变量引导的行人图片生成网络PCGAN在行人重识别任务中,行人姿态的剧烈变化和图片间色域的差异严重影响着模型的性能。本文设计了联合变量引导的行人图片生成网络PCGAN,在行人重识别模型的数据端对行人姿态以及图片色域进行归一化。PCGAN是一种生成对抗网络,在姿态一致性判别器、身份一致性判别器以及色域分类器的约束下,PCGAN能够在保持输入图片中行人身份不发生改变的同时,将图片的色域和行人的姿态转移至目标色域与姿态,而且,姿态和色域的转换同步完成且互不影响。（2）设计了逐步式的姿态及色域转移网络利用生成对抗网络生成图像时,生成器的结构设计对最终结果有决定性的影响。为更有效的完成姿态、色域的转移,本文在PCGAN的生成器中设计了一种逐步式的姿态及色域转移网络,其在进行姿态转移任务的同时,能够学习到色域间的映射关系并完成图片间色域的转移。具体的,在输入端,编码器将色域信息与原始图片结合编码,将姿态信息单独编码,之后,将编码后的两部分信息输入至姿态及色域转移网络,该网络以姿态信息引导图片信息,图片信息反馈姿态信息的方式逐步更新网络中的图片编码和姿态编码,最终能够有效完成姿态及色域转移任务。（3）设计了基于注意力机制的特征融合网络在PCGAN生成姿态、色域归一化行人图片后,首先利用四个Res Net50网络对原始图片和归一化图片分别提取特征向量,然后,在特征融合的过程中,为了衡量各特征间的重要程度,本文设计了基于注意力机制的特征融合网络。在融合网络中,原始图片的特征向量将引导三个归一化图片的特征向量的融合过程,自适应地学习到效果最好的特征融合方案,从而使融合后的特征向量具有更强的表达能力。本文将行人图像生成网络与基于注意力机制的特征融合网络相结合,提出了一种显式的姿态与色域归一化行人重识别模型,其能够从原始图片与归一化图片中学习到对行人身份敏感而对姿态、色域变化不敏感的特征表达,从而明显的提升模型的准确率。