目前,大多数的公共场合都有监控摄像头的存在,如何利用这些监控视频数据来更好地方便人们的生活,成了计算机视觉领域研究者们需要思考的一个问题。我国早在21世纪初就建立了“天网系统”,那么在互联网时代下如何更加有效、更加高效地利用“天网系统”来对犯罪分子进行快速追踪和定位就成了计算机视觉领域亟需解决的问题;当幼儿在游乐园等人群密集的场所走失,如何运用监控视频大数据快速地帮助家长定位该儿童位置也是计算机视觉领域需要考虑的问题。行人重识别任务主要适用于多个摄像头拍摄的场景,当进行单张图像查询时,将给定的单张行人图像与大型图像数据库中的图像数据进行比较,以判断不同摄像头下出现的行人图像是否同属于一个行人。在实际的应用实现过程中,行人重识别任务受到两个因素的制约:一是行人重识别数据集采集受限,由于政策、个人隐私以及其他原因,学者以及一般的企业都无法大规模采集行人的数据用于行人重识别任务;另外则是已有的行人重识别数据之间存在的偏差,这些偏差主要来源于相机的视角之间的偏差、拍摄到的人群的姿态之间的偏差以及数据集存在跨域问题所带来的偏差。已有的行人重识别系统主要针对公开数据集进行训练,这些行人重识别系统往往在单个训练集上能取得比较好的结果,但是在针对数据跨域问题时,这一类行人重识别系统往往不能令人满意。总而言之,已有的行人重识别系统存在的主要问题包括:不能实现跨域的效果、检测的效果不佳、检测的速度不够快等。基于此,本文提出了一种基于对抗生成网络和哈希检索的行人重识别算法,其主要创新点如下:1、采用了基于人体姿态的对抗生成网络;本文采用的方法通过与目标姿态相结合的方式生成对应的行人姿态图像;弥补了行人重识别数据集中行人关于姿态的偏差问题;2、采用基于注意力机制的深度残差网络,进一步提取出行人的关键性特征,使得提取出来的行人特征更方便用于行人重识别任务;同时采用差异权重的方式进行特征融合。3、采用了哈希匹配的图像检索方式,在深度残差网络中加入哈希层,在提取行人特征的同时学习哈希函数;哈希函数可以将行人图像转化为二值码,不同行人对应的图像二值码距离不同,将二值码之间的距离由小到大进行排序,得到检索结果。本文提出的方法在检索速度以及检索精度上都实现了比较好的效果,通过pytorch进行深度学习网络的搭建,最终实验结果表明本文采用的基于对抗生成网络和哈希匹配的行人重识别方法比较适用于解决行人重识别领域的相关问题。