近年来,行人重识别技术被研究人员广泛应用于社会智能监控领域,实现商场失踪行人轨迹搜寻和公安追踪罪犯嫌疑人逃跑路线标定。传统行人重识别算法主要关注目标对象的外部明显特征,因此易受光照、相机角度等外界环境变换的干扰。本文通过多特融合的方式,引入步态特征,从而构建完成行人重识别监控系统,本文主要工作具体如下:（1）步态特征用于解决跨摄像头下行人变装和遮挡等问题。步态特征提取步骤为:步态视频图像信息预处理、步态周期及特征提取、获取步态能量图。为了解决单一特征下特征表达能力的不足,采用引入注意力机制的方式增强特征表达能力的区分度和显著度,利用多损失函数结合的方式对学习到的特征信息进行特征约束,实现扩大不同特征距离和拉近相同特征距离。（2）采用多特征融合的方式将行人全局特征、局部特征和步态特征进行自适应融合,将Res Net网络中res＿conv4＿1之前层作为主干特征提取,而res＿conv5＿1之后的网络层分为3个不同分支:全局分支、步态分支、局部特征分支,每个分支采用提取不同目标对象的特征信息,通过多特征融合的方式实现单一特征网络提取性能的优化。（3）采用Rk3399pro作为视频采集系统的嵌入式硬件设备,对采样获得数据进行预处理、压缩、抽帧等数字化操作。将视频采集获得的数据借助于网络传输协议实现视频采集设备和服务器之间的信息传输。基于Py QT进行系统图像化界面设计,界面功能包括服务器连接登录界面和行人追踪检测界面,组合形成一个简单可交互视频行人重识别系统。为了验证算法性能的优劣,本文通过在Market-1501数据集、CUHK03数据集及自己制作数据集（Self＿data）进行算法验证和测评。在Market-1501和CUHK03上Rank-1的准确率分别为93.6%和71.5%。Self＿data通过提前的步态特征获取Rank-1的准确率为84.2%,由下文算法对比分析可得,对于遮挡数据而言,采用在其他特征中融合步态特征的方式实现多特征之间互相补充,改进后的算法对比PCB等流行算法得到很大的改善。随着硬件设备和算法的不断更新换代,未来行人重识别技术一定具有很高的应用价值和研究价值。