进入二十一世纪以来,社会公共安全事件频发,给各国民众的生命财产安全造成了极大的威胁,引起了各国民众和政府的高度关注。城市安全作为人们生活中息息相关的问题受到越来越多的重视。而随着图像采集技术与大规模数据存储技术的飞速发展,视频监控已成为各国政府提髙公共安全管理水平的重要途径,大型摄像机网络越来越多地被部署心在公共场所。在这个背景下,行人重识别问题作为智能视频分析中的一个重要研究方向在自动视频监控中受到了越来越多的关注。行人重识别是一个在多相机视频监控网络下,将同一个行人从不同的监控摄像机下识别出来的问题。尽管目前大量的研究聚焦于行人重识别问题,该问题依旧面临非常严峻的挑战。本文在总结分析现有行人重识别方法的基础上,以提高行人重识别算法准确率和提高摄像机网络行人重识别算法效率为目标,提出了一种简单场景下的多摄像机网络行人重识别算法框架。在框架中提出一种时空信息的定义方式,使用了一种融合视觉信息和时空信息算法,以及一种网络一致性策略,并有机结合到一起。充分利用网络的各个特性提供的信息。当视觉信息给出的重识别结果出现误判或矛盾时,网络信息可以辅助排查这些错误。框架中的两种方法单独使用在提高行人重识别算法性能上已经都有不错的表现,有机结合之后的性能提升更加明显。同时,框架中网络一致性策略的部分会规约到整数规划问题。在本框架中,整数规划是将视觉信息,时空信息和网络一致性信息整合到一个框架中的粘合剂。为高效发挥框架的优点,本文对网络一致性策略的整数规划问题的解决方案做了详细探讨,并给出解决方案。此外考虑到实际监控场景的多样性,针对摄像机网络拓扑结构复杂,行人分布不规律的复杂场景,提出一种在计算行人间相似性分数时直接加入摄像机拓扑结构信息方法,提高摄像机网络行人重识别的可靠性。