行人再识别是指在跨摄像头环境下识别出之前已经出现过的行人,是近年来逐渐兴起并迅速发展的一个热点课题,越来越多地受到重视。行人再识别的研究对于一系列计算机视觉问题,比如监控视频分析、行人跟踪、图片检索等,都有重要的学术研究意义和潜在的实际应用价值。行人再识别问题的研究目前面临很多困难和挑战,比如图像分辨率低、行人姿态和角度变化大、光照条件差异明显、背景复杂等。因此行人再识别仍然是一个非常有挑战性的问题。本文的主要研究工作如下:(1)设计了行人再识别流程图,包括预处理、特征抽取和度量学习在内,其中预处理又包含行人分割和行人部件划分等部分;(2)提出了一种新的特征融合表达方式,融合了高维底层特征的颜色直方图、有向梯度直方图(HOG)以及低维中层特征颜色名称描述子等特征,作为行人表达。实验表明,这种特征表达方式更加有效;(3)构建了一个新的行人再识别数据集CampusPed,相比于其他公开数据集,CampusPed更接近真实场景并且更加复杂多变,行人规模更大,是一个更有挑战性的数据集;(4)基于特征融合表达,本文采用KISSME度量学习算法进行行人匹配,实验结果表明识别率有显著的提高;在VIPeR,i-LIDS,CAVIAR4REID公开数据集上的实验结果表明,我们所提出的方法达到了目前最好的性能,其top-1的准确率分别为95.25%、50.85%、69.44%,明显好于其他方法。