智能监控系统是一种针对视频监控系统提供的信息进行智能理解与分析的智能系统,被广泛应用在智能安防、智慧交通等领域。其中,行人重识别技术是智能视频监控系统中的关键技术与核心内容,该技术旨在判别由不同视域摄像机采集的数据中行人的身份,能够在大规模监控网络中对行人进行快速、高效的排查和追踪。现阶段,行人重识别研究主要集中在场景单一、模态单一、标签充足的封闭场景上。然而实际的应用环境往往是开放场景,场景中复杂性因素较多,因此面向封闭场景的行人重识别模型在开放场景上所取得的检索性能无法满足真实监控场景对方法提出的性能需求。面向开放场景的行人重识别研究的挑战包括:固定视域监控环境下的单一场景复杂性、跨视域监控环境下的跨域场景复杂性和跨视域监控环境下的未知场景复杂性。上述三个方面的复杂性具体表现为:（1）在单一复杂场景中,可获取的行人图像往往是信息不完备的。场景图像中的行人易被其它行人或物体遮挡,甚至无法获取到具体图像,只能依靠目击者对目标行人的文字描述来检索,导致现有方法缺乏鲁棒性;（2）在跨域复杂场景中,无法在新场景中获得充足的带人工标注的数据,成像环境动态变化的跨域分布差异较大使得现有重识别模型直接迁移性能较差,导致现有方法迁移能力不足;（3）在未知复杂场景中,由于特定场景涉及隐私问题,难以采集对应数据进行训练,导致现有方法泛化性较差。本文针对面向开放环境的行人重识别中亟待解决的难点问题,展开如下研究:针对单一复杂场景的遮挡行人重识别问题,设计姿态引导的特征对齐与知识蒸馏网络。该网络强调可见身体部位的特征,同时排除障碍物和背景的干扰,并鼓励特征的不同通道组专注于不同的身体语义部位,帮助特征之间实现身体部位语义对齐,以提高检索性能。同时,本方法通过知识蒸馏方法和基于交互的训练策略将姿态引导分支的信息蒸馏给主分支特征,在测试阶段摆脱了整体网络对姿态估计器的依赖,提高检索速度的同时保证了检索精度。针对单一复杂场景的自然语言-可见光行人重识别问题,设计了基于Gumbel Top-k重参数化算法的层级Gumbel注意力网络,该网络从图像和文本中自适应地选择强语义相关的图像区域和单词/短语进行精确的对齐和相似度计算。这种硬选择策略能够融合强相关的多模态特征,构建高语义相似性模态互转空间,以缓解语义错位和匹配冗余问题。针对跨域复杂场景的域自适应行人重识别问题,提出了两种标签去噪方案:硬标签去噪和软标签去噪。对于软标签去噪,基于不确定性引导的标签去噪算法通过教师模型和学生模型输出特征的相对熵作为一致性度量来估计样本伪标签的不确定性,并根据该不确定性设计对应软标签去噪策略抑制噪声样本在训练时对模型的负面影响,从而有效提高了模型在目标域的自适应能力。对于硬标签去噪,基于多粒度组感知的优化传输算法通过多粒度组感知策略将单维度行人图像映射到多粒度组特征,对行人图像建立多粒度组特征表达,并用优化传输算法实现多粒度组感知特征对应的硬标签去噪,以实现对新场景的快速适应。针对未知复杂场景的域泛化行人重识别问题,提出了校准特征解耦模块,利用通道注意力机制将行人特征解耦为身份相关特征、场景相关特征和强耦合特征。为了给上述校准特征解耦模块提供易解耦的行人表征,设计了标准-标定批归一化层和校准实例归一化层,通过校准归一化操作加强模型对身份相关信息的辨别能力,在域泛化行人重识别数据集上的实验结果表明了该方法能有效提高模型的泛化能力。本文基于上述三种复杂场景重点探索多域多模态行人重识别方法研究,针对模型鲁棒性、适应性、泛化性不足的核心问题,重点探索跨域、跨模态数据中不变性特征学习,构建不同领域、模态间知识迁移桥梁,减小数据分布差异,推动具有高鲁棒性、高适应性、强泛化性的行人重识别系统发展。