在当前社会中,智能安防越来越凸显其价值,是维护社会长治久安的重要手段。自动视频分析系统是智能安防系统的一个子系统,主要是从监控视频内容中提取关键的行人信息。行人重识别正是自动视频分析系统的核心技术之一,目前已成为了深度学习领域的研究热点。近年来,基于深度学习行人重识别方法在开源数据集上已经表现出优越的性能,但是在跨域行人重识别问题上性能明显下降。本文深入分析了跨域行人重识别存在的问题,并利用深度学习方法提出了一个有效的跨域行人重识别方法,并实现了一个面向离线视频的行人重识别原型系统,本文主要工作内容和创新之处如下:（1）从跨域问题角度出发,提出了一种融合多个源域的跨域行人重识别方法。针对不同源域数据集之间具有行人图像风格存在明显的差异,设计了一种可以融合多个源域成像风格的行人重识别方法,利用多个不同的数据集进行训练,在最接近实际应用场景的MSMT17数据集上进行测试。实验结果表明,提出的方法可以在一定程度上缓解跨域造成的行人识别性能下降问题。（2）设计并实现了行人重识别系统。首先利用目标检测算法YOLOv3改进得到行人检测算法;然后与提出的跨域行人重识别方法结合,实现行人重识别系统流程;最后通过交互界面实现了行人重识别流程的可视化。系统在Windows 10平台进行测试,结果表明系统可以从导入的视频数据中提取行人特征,并对目标行人进行框选,在交互窗口中显示最终的行人识别结果。