随着云计算,物联网和人工智能的迅猛发展,全国多个城市在规划中先后提倡智慧城市的建设,其中智慧园区建设是其中的一个重要建设内容,然而目前园区在安全监控方面过度依赖于人力物业的管理,导致成本过高且存在较高的安全隐患。同时,在园区管理方式中不够主动,不能及时应对突发情况。针对上述问题,目前园区安全监控大部分是通过视频监控解决,即把摄像头传输的视频展示在显示屏上,人工去判断视频中人员身份或刷卡登记等方式。也有部分园区提供了人脸识别的服务,可以使用闸机控制人员出入,通过人脸信息来判断是否为园区中人员。这种方式仅适用于园区出入并且成本较高,主要存在以下问题:不能快速识别进入园区或园区中人员信息;无法对园区中人员行为记录监控;在多镜头信息下难以确认该人员身份信息。针对以上提出的问题,本论文基于目前最新的Re ID（行人重识别）技术,也被称为“跨镜追踪技术”,来解决跨摄像头跨场景下人员身份的识别与检索,并实现了一套针对针对园区人员监控的系统。Re ID作为人脸识别信息的重要补充,可以对无法获取清晰人脸的行人进行跨摄像头连续跟踪。我们在基于深度学习的人员识别算法实现上,采用前后端分离的模式,提供一站式的部署服务功能,根据园区需求,将整个系统分为前端展示平台,人员识别平台和园区监控应用平台三部分,在人员识别平台中主要实现的深度学习技术有MTCNN人脸检测,Arc Face人脸识别和Re ID行人重识别算法,来实现在多摄像头下人员身份的确认。后端系统架构主要采用SSM开发框架,数据库采用My SQL存储信息,为了应对大量人员数据信息,并且采用Redis作为缓存中间件,提高对人员搜索的响应速度。