进入21世纪以来,伴随着社会的发展,社会流动性不断增加,随之而来的安全问题成为社会公共问题,越来越受到政府和人们的重视。“智慧城市”和“平安校园”等安防工程正在紧锣密鼓的建设中,大量的监控设备被部署在城市的大街小巷。传统的处理方式表现乏力,因此搭建一种能够自动监督,报警和追踪的智能监控系统已经成为未来发展的趋势。行人再识别由于其独特的技术特点,作为智能监控系统的核心,在如今的安防领域占有重要地位,已经引起国内外科研学者的重视,许多科研团队开展相关研究。本文首先简单介绍了行人再识别研究的必要性、现状、难点和挑战;然后针对行人图片错位,遮挡和无关信息干扰等问题,本文主要做了以下内容的研究工作和算法创新:1.深入研究行人再识别的发展历程和理论知识。首先详细概述了发展至今的多种行人再识别算法,阐述不同算法解决的不同难题,分析不同算法的特点与不足;根据当前技术发展的方向,结合目前该方向面临的现状和挑战,详细阐述了基于深度学习的行人再识别算法的特点和优势,在现有算法的基础上,提出新的基于深度学习的行人再识别算法。2.提出一种利用全局特征信息和局部特征信息相互监督联合学习的方法。首先针对行人图像未对齐,通过提取图像的全局特征和局部特征,构建行人特征矩阵,实现行人对齐;针对遮挡问题,利用图片的空间信息和通道信息的相关性,行人的通道信息能够提供某一区域特征。将图片按照人体空间构造进行分割获取局部特征,对于提取的两部分特征,使用局部监督学习全局的方法,学习更具有鲁棒性的特征。该算法通过联合监督学习,更好的进行特征表达。3.结合其它图像处理技术,使用语义分割技术对行人图像进行处理。目前大多数基于分割的行人再识别算法,主要是对图像进行条状分割,对每个部分进行特征提取,这能提高算法的性能,但是不能从根本上解决无关信息对特征提取的影响。本文利用图像的语义信息,进行前景分割排除背景等无关信息对行人特征提取的影响,提升算法的性能。另外,本文在现有技术的基础上,搭建一个实际的监控系统,将本文的部分创新点在实际的系统中应用,帮助系统快速有效地完成检索和追踪等任务。