行人重识别是指根据指定行人的图像或视频序列跨摄像头快速查找该行人其余图像或视频序列的任务,对推动社会公共安全发展具有重要作用。基于视频的行人重识别包含更丰富的时序信息和空间信息,所以逐渐得到了更广泛的应用。目前,视频行人重识别算法在一些常用数据集上可以获得较好的性能,但是面对低分辨率、目标遮挡等挑战仍然没有很好的解决方式。因此,为了更好的解决视频行人重识别所面临的问题,有效提升重识别性能,本文分别从空间和时序信息重建角度出发,提出了基于时空重建的视频行人重识别。本文工作内容主要如下:（1）从视频行人重识别的空间信息重建角度出发,提出了双重超分辨率空间重建生成对抗网络,有效解决行人图像成像不清对重识别性能的影响。首先,对两个单独的超分辨率生成对抗网络进行级联,对行人图像的分辨率进行提升,并在网络中引入各类损失函数,在优化生成器的同时确保图像在超分辨率重建时侧重于行人表观信息的恢复。其次,引入行人重识别特征提取网络并对连续行人图像特征进行平均池化,进一步提高超分辨率重建和视频行人重识别的兼容性。通过实验客观证明了该算法对视频行人重识别性能提升的有效性。（2）从视频行人重识别的时序信息重建角度出发,提出了轨迹融合选择时序重建网络,有效解决了仅凭空间信息难以解决的视频行人重识别问题,如大范围目标遮挡。首先,将与时序密切相关的行人轨迹预测与视频行人重识别相结合,并根据预测轨迹信息对候选库中视频序列进行融合选择,将选择得到的视频序列送入新的查询集中从而实现时序重建。将时序重建后获取的新的查询集送入视频行人重识别网络,缓解遮挡造成的表观特征提取错误问题。其次,基于MARS数据集构建了更适用于该算法实验的MARS＿traj数据集,并在该数据集上进行实验客观证明了通过时序重建可以有效提升视频行人重识别准确率。