针对传统特征受限于不能直接用于解决实际问题,以及深度卷积特征是高维特征,直接用来匹配图像会消耗大量的时间和内存,而且来自较高层的特征很容易受到行人姿势背景杂波影响的问题,提出了一种基于深度多视图特征距离学习的方法。首先,提出了一种新的整合和改善深度区域的卷积特征,利用滑框技术对卷积特征进行处理,得到低维的深度区域聚合特征,使其维数等于卷积层通道数;其次,通过交叉视图二次判别分析方法,从深度区域聚合特征和手工特征两个角度出发,提出一种多视图特征距离学习算法;最后,利用加权融合策略来完成传统特征和卷积特征之间的协作。在Market-1501和VIPeR数据集上,实验结果显示,所提融合模型的Rank1性能在两个数据集上分别达到80.17%和75.32%;在CUHK03数据集新分类规则下,所提方法的Rank1性能达到33.5%。实验结果表明,通过距离加权融合之后行人重识别的精度明显高于单独的特征距离度量取得的精度,并且验证了所提的深度区域特征和算法模型的有效性。