行人再识别是指输入一个摄像头拍摄的行人图像,在其他摄像头拍摄的行人图像中识别同一个人,摄像头之间没有相交的拍摄区域。随着视频监控的发展,行人再识别在智能视频监控领域的实际应用价值和理论研究意义日益凸现。研究者们提出了许多传统的解决行人再识别问题的方法,分别是从人工设计的行人特征提取和距离度量学习这两个方面出发的。在本文中,我们提出了一个基于卷积神经网络的行人再识别算法,将行人深度特征学习与距离度量学习进行融合,获得了一流的行人再识别准确率。具体而言,我们设计了专门用于行人深度特征学习的卷积神经网络模型,在最后的损失层应用了我们提出的聚类损失函数。聚类损失函数能够减小类内距离,增大类间距离,从而提高深度特征的区分度。我们在六个常用的行人再识别数据集上进行了比较实验,实验结果表明了本文提出的行人再识别算法的优势。