随着重识别技术的发展和野外阿穆尔虎数量不断减少,保护这种野生动物对于维持物种多样性至关重要。在面临野外栖息地丧失、偷猎盗猎问题的不断激增,通过重识别方法对单只阿穆尔虎进行保护和追踪变得更加有意义,这项任务越来越依赖于能够精准检测该群体的地理位置和身份信息。本文为解决在阿穆尔虎重识别中遇到的问题,对野外阿穆尔虎重识别中所用到的方法进行了细致的调研、实验、分析,设计了基于正则化和领域适应的阿穆尔虎身份重识别方法,该方法分为两种情况,即普通环境下阿穆尔虎重识别方法和野外环境下阿穆尔虎重识别方法。在普通环境下通过采用本文提出的数据增强方法以及针对阿穆尔虎的重识别框架进行重识别研究。（1）针对图像中普遍存在的低对比度、光照变化、不规则运动所产生的颜色变化导致丢失颜色信息的问题,本文提出基于灰度信息的数据增强方法,包括全局灰度转换GT和局部灰度转换LT,能较好地解决颜色变化带来的影响。（2）针对深层网络和浅层网络选用不同正则化因子导致难以调节的问题,采用自适应L2正则化因子替代人工筛选的L2正则化因子。（3）针对网络忽略全局特征的重要性问题,提出双分支网络结构PCB-AL2,使网络依靠局部分支来指导全局分支进行特征学习。在野外环境下通过采用改进的目标检测算法、跨域生成对抗网络算法以及重识别框架进行研究。（1）针对检测模块,采用改进的YOLOv4检测算法,包括采用Hard-swish激活函数和引入Dense模块。（2）针对野外环境与普通环境域间差异问题,提出基于Tr-GAN的跨域阿穆尔虎重识别方法,使其生成符合野外环境的图像用于重识别模型训练,有效提高模型在野外环境下的识别能力。实验表明,本文提出的重识别方法在两种环境下比其它方法效果更好。