行人的跟踪与身份辨识是智能监控视频系统中一个重要的组成部分。为了从海量的监控视频数据中提取出人们感兴趣的信息,需要对视频中的目标行人进行检测和跟踪；为了实现对监控视频中对特定目标的搜索,需要对跨相机视频序列中的行人目标进行身份辨识与匹配。本文在总结现有算法的基础上,提出了一种结合梯度方向直方图和混合高斯模型的视频中行人检测算法,并利用行人检测的结果和分类器的输出,结合颜色信息改进了传统粒子滤波器的观测模型,实现了行人的准确跟踪。本文引入了多图像特征融合的行人外观模型,并整合相机间的时间和空间关系,实现了跨相机行人的身份辨识和搜索。本文的主要工作包括：(1)针对静止图片中的基于梯度方向直方图行人检测算法,使用积分图来加速梯度直方图的统计过程,同时,为了解决视频中前后两帧存在特征无显著变化区域而造成的冗余检测问题,采用混合高斯模型对视频间建立特征的统计模型,利用该统计模型来判断哪些区域需要重新检测,缩短了视频中行人检测的时间。(2)在粒子滤波器的框架下,本文将行人目标检测的结果和分类器的置信度输出整合进目标的观测模型中,并与传统的颜色特征结合,利用粒子滤波器实现了对行人目标的跟踪。(3)本文采用了加权HSV颜色直方图、人体上下半身颜色比值和MSCR等多特征的融合来对目标建立外观模型,并通过相机间特征的补偿以及整合相机间的时间和空间拓扑关系,实现了一套有效的行人身份匹配与辨识算法。