随着“互联网+”的提出,人们的生活质量在不断的提高,“智慧城市”的建设也逐渐普及。构建一个更加和谐、更加安全的社会环境成为现阶段人们对安防建设的要求。近几年来,深度学习与人工智能的高速发展为各领域提供了新的发展方向,视频监控系统也随之朝着更加智能化的发展方向。其中跨摄像机的行人再识别问题近年来吸引了大批学者的研究。行人再识别技术作为智能监控系统中的核心技术,在跨摄像机的目标跟踪和行人检索等方面都有着其至关重要的应用。但是由于在监控视频系统中,摄像机的成像质量、光照强度、监控视角以及行人姿态不同等原因,导致同一个行人目标在不同监控视频中的外观特征出现较大的差异,对行人再识别问题的研究造成重大干扰,使行人再识别面临众多挑战。基于以上这些问题,本文分别从设计特征和图像分割方面,设计了一种特征融合和椭圆分割的ReID算法,最后,为应用于实际系统,本文采用基于特征的词袋模型加快检索速度。论文的主要研究工作及创新点如下:1.基于特征部分,本文首先利用全局与局部特征相结合的组合框架。这种结构即可以保证特征信息的完整性也可以突出局部信息,接着采用LOMO和GOG这种包含几种基础特征的复合特征作为全局特征,并结合局部的HSV和LAB颜色特征,可以充分发挥LOMO与GOG特征的互补特性,从而形成了一个更加具有鲁棒性的特征表达。2.图像分割部分,采用椭圆分割与水平均匀分割。基于行人图像的性质,现阶段的行人再识别数据集图像的边框,其四个直角区域大多都为无用的干扰信息,利用椭圆分割可去除部分无关的背景干扰,并且可以减少计算复杂度。为突出局部细节信息,再加上水平均匀分割,增加图像部分细节,增加特征的有效性。3.结合以上的工作及算法特点,设计出一个基于B/S框架的跨摄像机的行人再识别检索系统,并在此系统中增加基于词袋模型的快速检索算法增加系统检索效率,以此实现对行人目标的快速检索。