随着我国经济实力的快速发展,综合国力也在逐步提升,交通运输体系越发完善,地区与地区之间,城市与城市的经济发展,离不开物质交换,交通运输体系在其中扮演着重要角色,其中行车安全成为国家和人民越来越关注的问题,行人安全也是至关重要的一环。目前针对非机动车（包括步行、自行车、电动车等）的违规处罚局限于人工督查,监控摄像机对非机动车的违规行为无法进行追踪处罚。行人再识别依据监控摄像机提供的信息,识别出违规行人,进行违规处罚,提高监控力度,保障交通安全。视频行人再识别技术可以有效的发现目标,对于交通管理、治安防控、刑事侦破、智能驾驶辅助系统和自动驾驶的行车安全等具有重要意义。本文力求解决目前行人再识别算法中存在的问题,主要研究内容如下:（1）针对关注区域的行人再识别问题,本文提出一种基于时空关注区域的视频行人再识别方法,目的是将跨帧聚合的关注区域特征与全局特征进行融合得到视频级特征表示。全局特征和关注区域特征通过快慢网络的两个分支提取,采用亲和度函数和定位函数将关注区域特征与全局特征融合。本文基于欧氏距离评估融合损耗,并将三重损耗函数用于端到端网络训练。在MARS数据集上的实验结果表明,该方法Rank-1准确率达到88.2%,m AP准确率达到79.5%,m AP准确率比DRSTA提高了13.7%,比STMP提高了6.8%,实现m AP准确率的显著提高。（2）针对区域结构关系的行人再识别问题。本文提出一种基于姿势结构关系和动作约束的超图视频行人再识别算法,旨在充分利用行人行走姿势,获得更多的判别性特征。本文采用图卷积网络保留图像特征映射呈现出的结构关系,根据关节点区域之间的结构关系构造结构关系超图,基于关节点区域之间的动作信息进行约束构造动作超图。通过超图模型求解关节点区域的显著性分数,提出基于区域显著性的相对熵损失函数衡量两个概率分布的相似性。实验结果表明,本文方法获得87.9%（i LIDS-VID）,95.9%（PRID 2011）和89.9%（MARS）的Rank-1识别准确率,在PRID 2011数据集上,还实现m AP值的显著提升,m AP准确率达到89.6%,比基线提高了18.8%。（3）针对多尺度区域的行人再识别问题。本文提出了一种基于姿势引导的多尺度结构关系学习行人再识别方法,旨在基于参考姿势和姿势对齐模型对行人的视频序列进行分析,针对局部区域之间的约束关系,本文基于关系模型将局部区域之间的关系矩阵进行进一步推算得出关系权重,基于关系权重的图卷积网络学习多尺度区域的结构关系。通过对三个公开的数据集进行实验,本文所提方法获得85.5%（i LIDSVID）,94.7%（PRID 2011）和90.2%（MARS）的Rank-1识别准确率,在PRID 2011数据集上,Rank-1准确率比基线提高了10.5%,验证关节点区域之间的约束关系对再识别的重要性。