行人重识别,目的是在不同摄像头中检索包含目标人物的图像。该任务是计算机视觉领域的一个研究热点,在智能安防、客户识别等方面具有重要应用。当前行人重识别算法仍存在以下挑战:1)高性能的行人重识别算法依赖大量标签数据提供的监督信号,然而在海量视频中进行人工标注代价巨大;2)受不同摄像头的拍摄角度、成像质量、光照、遮挡等因素影响,行人重识别算法通常跨域适配能力较为低下;3)现有的行人重识别算法大多数都是针对单模态的图像数据,无法支持跨模态行人检索。针对上述挑战,本文重点研究基于图结构的无监督行人重识别算法。具体而言,包括以下几个方面:1)我们提出了异构图驱动的无监督域适配行人重识别算法,通过在无标签数据间构建异构图,并充分利用无标签数据之间的异构相似度提升单模态无监督行人重识别的效果;2)为了充分利用多模态数据,我们提出了一个新颖的跨模态行人检索的任务,该任务包括了轨迹检索图像、图像检索轨迹、图像检索图像这三个子任务,同时,我们自行构建了一个多模态行人数据集,用于验证任务的可行性;3)针对跨模态行人检索任务,我们提出了跨模态无监督行人检索算法,通过相似度驱动模型来无监督学习图像与图像之间的关系,并利用异构表征学习构建融合轨迹与行人图像的异构图,最后利用三元-游走方法学习图节点的嵌入表征向量并进行跨模态检索。我们在公开行人重识别数据集以及自行构建的多模态数据集上验证了算法的可行性。同时,我们构建了一个多模态无监督行人重识别系统。该系统支持单模态无监督行人重识别,融合多模态无监督行人重识别,跨模态无监督行人检索等功能,为进一步促进行人重识别更好的落地提供了平台支持。