视频监控网络的快速发展所带来的海量视频信息给传统人工视频监控分析带来巨大挑战。行人重识别是大规模视频监控网络下视频内容分析的重要课题,具有重要的科学意义和巨大的应用价值。在视频监控网络中,行人受到视角、姿态变化、背景嘈杂、光照条件、摄像头设置等因素的影响,导致一个人在同一摄像机的不同时刻或不同摄像机中存在较大的差异。特别地,在白天和夜晚不同光照条件下,摄像机往往相应地工作在可见光和红外模式下,给行人重识别问题带来了巨大挑战。本文对白天和夜晚不同光照条件下红外-可见光跨模态行人重识别这一具有挑战性的问题进行研究,主要工作如下:1、提出了一种基于跨模态生成对抗训练的行人重识别方法。本文通过设计一种跨模态生成对抗网络并进行端到端训练,学习得到跨模态的具有判别力的红外-可见光行人特征表示来实现行人重识别。该方法基于生成对抗训练方法,设计判别器和生成器网络,其中判别器判断给定图像所属的模态,生成器结合了混合三元组和分类损失函数。通过对抗训练,该算法将红外图像行人特征及可见光行人特征投影到共同子空间,学习得到具有判别力的红外-可见光行人特征,实现跨模态行人重识别。论文所提出的方法在红外-可见光行人重识别数据集上验证了有效性,取得了当前最好的性能。2、设计了完整的跨模态行人重识别系统。本文不仅实现了红外图像到可见光图像的行人检索,同时还融合了可见光图像到可见光图像的行人检索,从而形成了一个完整的跨模态行人重识别系统。本文的研究关注跨模态行人重识别技术,通过跨模态生成对抗训练的行人重识别方法解决白天和夜晚不同光照条件下行人重识别的问题,对行人重识别技术研究及应用具较高的理论意义和实用价值。