行人重识别是在视频监控系统中,当一个目标行人被监控系统捕捉到,并借助现代化技术结合现有的视频监控系统在同一个摄像头的不同时间、不同摄像头的相同地点或者不同地点识别出该特定行人的过程。该任务因为能够快速、准确地找到犯罪嫌疑人,可以有效提高城市治安,为公共安全保驾护航,所以近些年获得了极大的关注。然而由于现实复杂的背景,该任务会遇到行人部分区域被杂物格挡、行人受到光照产生变化、行人的姿态随时间变化、行人图像分辨率比较低等困难。通过划分行人图片得到局部特征可以比较好的解决上述问题,然而行人区域划分后存在着不属于自身离异值的问题没有得到有效解决。同时,行人属性可以提供额外辅助信息也有利于解决上述困难。所以,本文从行人划分局部区域和行人属性提供辅助信息进行探索行人重识别。首先为解决行人局部区域划分后,存在不属于自身的离异值,造成模型提取到行人特征可表达性降低问题,提出了行人局部区域内容一致性的行人重识别算法。该算法根据行人局部区域内容一致性,重新生成新的局部区域,增加类间之间的差异,减少类内之间的差异,使得提取到的行人特征更加具有可区分性。接着对于行人属性特征空间和行人身份特征空间之间的差异,以及属性之间包含信息量的不同等问题,提出了行人属性最大值响应行人重识别网络。该模型可以有效区分行人属性特征空间和行人身份特征空间,增加提取行人特征的丰富度,并根据属性最大值响应,调整其所占损失函数的占比,使不同信息量的属性变得更加具有对比性。本文在行人重识别最大的两个数据集Market-1501和Duke MTMC-re ID上进行实验。实验结果验证本文提出的内容一致性算法和行人属性最大值响应行人重识别网络增加了提取到行人特征的鲁棒性,提高了模型识别准确度。