人体识别问题（person re-identification）就是在非重叠的多摄像系统中判断一个摄像头下出现的行人是否与另一个摄像头下出现的行人为同一行人，其在目标提取以及跟踪等领域发挥着重要作用。由于受到光照变化、视角变化、姿势变化、遮挡以及背景等因素的影响，使得目前仍然无法获得准确的识别效果。针对这一问题，本文分别从底层特征、中层特征两个方面开展深入研究，主要工作包括：　　1）考虑到人体识别容易受到视角变化、姿态变化、光照条件等因素的影响，本文使用基于底层特征的稠密块匹配方法，并在此基础上计算稠密块的全局突出性。同时考虑到同一行人不同图像的局部结构信息比不同行人相似图像更相似。本文提出基于稠密块局部空间约束的人体识别方法。实验结果表明，该方法在VIPeR和CUHK这两个数据库中取得了较好的识别效果。　　2）为了进一步提高人体识别方法对于姿态变化、视角变化、光照变化的鲁棒性以及识别准确率，本文提出了融合底层特征和中层特征的人体识别方法。通过使用改进型层次聚类算法将所有稠密块形成一个层次序列的类簇，并选取类簇中的稠密块构建正、负样本，训练SVM模型得到中层过滤器（中层特征）。然后选取判别性强的过滤器，并把它们对于行人图像的响应度作为中层得分。最后融合由稠密块局部空间约束方法得到的底层得分。