视频目标再识别的主要任务是在未知视频数据中,再识别已标记的运动目标。本文首先综述视频目标再识别问题的算法框架,并从场景变化、目标个数两个方面分别阐述目标再识别的重点。然后分析了视频目标再识别问题的核心内容:图像特征提取。在此基础上提出一种基于区域边缘直方图的视频目标再识别算法。首先进行Vibe前景检测。接着对前景图片提取不同颜色空间的区域边缘直方图特征向量。然后使用亮度、颜色转移函数进行特征变换。最后使用欧氏距离和巴氏距离进行相似性度量。研究中分别进行了单场景实验和多场景实验。创建了单场景视频数据集,包含彩色视频数据时长40小时,累计检测出前景目标超过10000个。多场景数据集采用公开数据集PRID-450S和3Dpes。研究的创新点为:1.将区域边缘直方图作为视频目标再识别算法的输入特征,并通过实验验证区域边缘直方图的最佳特征向量维度。然后提出一种基于HSV空间的彩色区域边缘直方图,以增强特征表达性。实验表明在单场景灰度空间中,最佳特征向量维度为32,再识别率为72.4%。在HSV空间的再识别率为86.7%,比其他直方图算法提高约10%。2.提出一种亮度、颜色转移函数。在特征提取完成后,对特征向量进行特征变换。通过转移函数将未知视频目标整体亮度和颜色信息,变换到与待检测目标相匹配的量级,尽可能消除场景变化带来的干扰。在多场景数据集PRID-450S和3Dpes中,转移函数将再识别率提高了约2%。最终再识别率为44%和51.5%,分别比现有最新算法提高了约2%和4%。