近年来,随着建设智慧城市、平安城市等目标的提出,监控视频网络在各个行业得到了广泛的应用。作为智能监控中核心技术之一的无重叠视域多摄像机下的行人再识别问题也受到越来越多的关注。行人再识别在跨摄像机目标跟踪和检索方面有很大的应用价值。但是由于监控视频中行人图像分辨率低,监控场景中存在着光照变化,监控视角变化,行人姿态变化,以及摄像机自身属性参数不同等原因,导致同一个行人在不同监控视频中的外观表现出很大的差异,对行人再识别造成重大干扰,使行人再识别面临众多挑战。为了应对这些挑战,本文提出了一种基于多特征融合与独立测度学习的行人再识别算法。论文的主要研究工作及创新点如下:1.针对单一特征对行人图像描述的局限性,本文从不同特征对行人图像具有不同表征能力的角度出发,结合优异特征对行人图像进行特征描述。首先采用Retinex图像增强算法对原始图像进行处理,以减弱光照变化的影响;对处理后的图像,一方面,选取HSV、RGS、CIE LAB和YCbCr四种颜色特征和对光照、阴影等更具鲁棒性的SILTP纹理特征作为行人图像的特征描述;另一方面,在对特征的提取方式上,按照图像有效信息分布规律,采用一种非均匀分块方式,尽可能保留行人图像完整信息的同时,减少背景区域的干扰。2.基于距离测度学习的行人再识别算法一般是将提取的特征进行串联并建立特征模型后学习得到测度矩阵,这种方法不能充分利用不同属性特征的优势,导致学习的测度矩阵判别性较低,不能准确描述样本之间的差异性与相似性。对此,本文采用一种基于独立测度学习的方法,在不同空间中分别学习测度矩阵,再在各自的特征空间中求解得到相似度函数,最后按照不同权重对相似度进行加权,并用最终的相似度函数对行人图像进行匹配。3.结合以上工作及创新点,设计出一种简易的跨摄像机行人再识别系统,实现跨摄像机间的行人再识别与行人跟踪等目标。