在一个视频监控系统中,最基本的两个问题是:1)如何在一张高分辨率图像中锁定行人的位置,以及2)如何在一组形形色色的行人图像中找到一个特定的目标行人。上述两个问题通常作为“行人检测”和“行人重识别”（re-ID）这两个独立的任务来研究。然而,在实际应用中,这两个任务通常成对出现。因此,在一个联合框架中同时解决这两个任务不仅能更高效,而且还能获得更好的综合性能。基于此,“行人搜索”这个任务逐渐引起了学界的关注。行人搜索这个任务旨在从一组高分辨率图像中找到并定位一个特定的目标行人,所以它需要同时考虑行人检测与行人重识别。本文以行人搜索为中心,结合该任务的特殊情况,进行了较为深入的探索和研究。本文的主要工作内容概括如下:首先,本文提出了使用掩膜引导训练的双流卷积神经网络。通过实验分析以及可视化,本文发现将行人检测与行人重识别分散到两个相对独立的模块中比已有的一步法方法更优,并首次总结了行人检测与行人重识别的矛盾关系,即行人检测关注行人的“共性”,而行人重识别关注行人的“个性”。同时,为了对行人抽取更有鉴别性的特征,本文提出了一种简单而有效的行人重识别方法。该方法分别对前景行人和原始图像进行建模,并从两个独立的卷积神经网络分支中输出鉴别性更强的行人特征。在多个标准数据集上,本文的方法在搜索准确率上显著超越了同期的方法。其次,本文提出了一种基于关键点消息传递的方法。作为行人搜索的性能瓶颈之一,提升行人重识别的性能有助于提升行人搜索的性能。其中一种常用的做法是使用信息更丰富的视频来代替单张图像。现有的视频行人重识别方法大多基于卷积神经网络,其基本操作“卷积”每次只能处理局部相邻像素。本文提出了一种用图卷积来辅助普通卷积以建模长距离的像素依赖性的方法。具体来说,位于行人骨骼关节点的CNN特征被提取出来并连接成一个时空图,然后通过图卷积的消息传递机制获得更新。在训练过程中,图卷积操作可以被附加到任意一个已有的基于CNN的行人重识别模型上以协助表征学习。训练完成后,所有的图卷积操作可以被丢弃,以加快模型的推理速度。本文的方法显著提升了基于CNN的行人重识别模型的性能,并且在标准数据集上取得了同期最佳的平均识别精度（m AP）。随后,本文提出了用于一步法行人搜索的层次化在线实例匹配方法。为了减少计算及存储资源的消耗以便于更贴近实际应用,本文采用一步法的行人搜索模型,同时提出了一种层次化在线实例匹配方法,利用行人检测与行人重识别这两个任务之间的层次化关系来指导模型学习。在模型训练过程中,本文的方法调和了行人检测与重识别目标函数之间的冲突,使得模型最终能够输出更有效的特征。除此之外,本文还提出了选择性记忆刷新方法,在训练过程中筛选出更有效的样本进行存储。在标准数据集上,本文的方法比同期的方法具有更高的准确度。最后,本文提出了基于向量几何分解的表示学习方法。本文的方法创新性地利用了向量的两个最基本的几何属性“模长与角度”来刻画行人检测与行人重识别的关系。其中向量的模长被用来表示行人检测,向量的角度被用来表示行人重识别。模长与角度是一对相互独立的属性,同时它们又能够紧密地结合在同一个向量上,很好地刻画了行人检测与行人重识别这两个子任务之间的关系。这种方式也有着计算简便的优点,减小了实际应用的压力。本文的方法在标准数据集上的表现都大大优于其他一步法,并取得了与分立建模法相当的性能。不仅如此,将该方法从行人搜索领域推广到多目标跟踪也获得了优异的性能。同时,本文的方法易于训练且推理速度快,能够基本满足实时运行的需求。总的来说,前两个工作的内容通过分别建模行人检测与重识别的方式来规避了两个任务的潜在冲突,同时利用了额外信息（比如背景、时序和姿态）来提升行人重识别的性能。后两个工作的内容通过优化目标函数和特征表示的方式直接缓解了任务的冲突,并联合建模行人检测与重识别,使得行人搜索模型更加高效。