由于视频监控系统的普及以及监控视频的数量与日俱增,单纯依靠人力资源在跨摄像头监控视频中找到特定的行人变得越来越困难,而行人重识别技术成为了解决这一难题的有效方法,行人重识别技术指通过将出现在多个不同摄像头下的同一行人进行辨别,判断是否为同一行人。基于上述问题,本论文完成的工作内容主要包含以下几个方面:1.论文首先提出了一种基于骨骼关键点进行图像分割的算法ISSE,可以通过使用OpenPose工具把图像中的行人骨骼提取出来,然后根据行人身上的18个骨骼关键点对行人图像进行分割,分割成互相重复的三部分图像使行人图像特征被更好地提取,解决了由于低分辨率图像导致特征提取效果不佳的问题。2.改进了原Resnet50卷积神经网络的输入层,将原Resnet50残差网络的输入层维度由224x224改为了64x64,以便改进后的网络输入层能适应分割后的行人图像维度。同时还改进了原Resnet50卷积神经网络的残差块,包括卷积残差块以及恒等残差块,解决了由于网络层数增加而导致的网络退化问题。改进了原Resnet50卷积神经网络的损失函数,解决了由于参数更新带来的诸多问题,使原残差网络的性能得到了优化。添加了1x1以及3x3大小的卷积核,以便能减少网络中的参数数目,同时还能使网络中各层提取到的特征效果更好。还在原残差网络Resnet50中添加了新的全连接层,并且在增强网络性能的同时,还使网络变得更加灵活。3.改进后的Resnet50卷积神经网络在行人重识别数据集Market1501以及DukeMTMC-reID数据集上进行了训练与测试,网络训练后的结果表明改进后的卷积神经网络性能更佳,识别的准确率更高,相比于当前比较好的神经网络,也具备一定的可比性,还领先于一些国际上使用的卷积神经网络。