人体目标再识别是指从图片中识别出的人体目标中再次识别出特定人体目标的过程。近几年来,它已经成为计算机视觉和模式识别中的一个热门方向,它在基于内容的图像检索、智能视频监控、智能交通以及高级人机交互等领域具有广泛的应用前景。在利用词袋模型进行人体目标再识别时,我们引入显著性检测为每幅图片生成自己的权重矩阵来突出人体目标。由于人形是不规则的且不全是集中于图像中心区域,利用高斯模板只能在一定程度上抑制背景带来的影响。而显著性检测可以突出图片感兴趣区域,即本实验中的人体目标,从而更好的抑制背景带来的影响。为此,将显著性检测和词袋模型结合,提出基于图像显著性和词袋模型的人体目标再识别。首先对图片进行显著性检测,生成显著权重矩阵,然后提取图片特征。对显著区域内的像素点的特征分配较高的权重值,对背景区域分配较低的权重值,从而达到突出人体目标并且抑制背景的目的。此外引入多图片输入以适应广泛的图片变化,提高匹配精度。最后我们在Market-1501测试集上实验,实验结果表明,本文的方法使得平均匹配精度从19.20%提高到20.14%,第一次命中率从42.14%提高到43.77%,说明本文方法的可行性。