随着智能视频监控系统的发展,无重叠视域多摄像机之间的目标关联成为了该领域的一个重点研究方向。多摄像机下的目标关联解决的是一个再识别问题,也就是对不同摄像机视野下的目标行人进行匹配,也称行人再识别。由于摄像机之间存在复杂的光照、视角和行人姿态等变化,同一行人的外观往往会产生很大变化,因此多摄像机之间的目标关联依旧面临着很大的挑战。为了解决这些问题,本文分别针对基于视频和基于图像的无重叠视域多摄像机之间的目标关联进行了深入的研究,论文的主要工作和创新点如下:1.对基于视频的多摄像机之间的目标关联,本文设计了一种基于外观模型和时空模型的目标关联算法。首先使用简单的颜色归一化方法减弱摄像机之间光照差异的影响,提取目标的外观特征,再通过累计不同转移时间下目标的外观相似度来无监督学习摄像机网络的拓扑关系,得到受光照、环境及视角影响较小的目标的时空特征,然后将其和目标的外观特征相结合获得更具代表性的特征,实现更高的关联准确率。2.对基于图像的多摄像机之间的目标关联,本文设计了一种基于深层特征表达和距离测度融合的目标关联算法。首先使用多个标准数据集共同训练一个通用的卷积神经网络,提取目标更为深层和内在的特征,然后通过多个距离测度融合更全面地衡量特征之间的相似度,提高距离测度的辨别力。实验结果表明,本文的方法有效提高了目标关联的识别率,在多个标准目标再识别数据集上都取得了较为优异的性能。