随着视频监控的逐渐普及,监控视频系统在社会公共安全和维护稳定中发挥着越来越重要的作用,对于大部分的监控系统,视频中的人及人的行为都是关注和研究的重点对象,在视频侦查的应用中,对监控视频画面中的人进行检测、识别、跟踪和分析其特定行为,利用监控系统检测到的信息做进一步的分析,而其中行人再识别技术就是监控视频中的核心关键问题,它指的是判断不同摄像头下出现的行人是否属于同一行人。随着计算机视觉的发展和社会应用的不断需求,行人再识别这一问题正逐渐发展成热点,基于行人在监控摄像头下的特点,本文提出了三种基于行人外貌特征的再识别算法,主要的工作如下:首先,本文提出了一种基于超像素分割的行人再识别算法。先用图像填充的方法对检测到的前景行人图像进行填充,再将行人分割成超像素块,对每个超像素块提取其颜色特征,并根据事先训练好的行人颜色特征的聚类中心,计算与每个颜色特征最靠近的聚类中心,统计每个超像素块的聚类中心直方图作为该超像素块的特征,为了匹配不同的行人,本文提出了一种超像素块投影匹配的算法,重点解决了行人特征之间的匹配问题。然后,本文建立了单个监控视频下、不同时间段、不同远近的行人再识别系统框架,提出了基于行人部件分割的再识别算法,本文训练了行人不同部件的检测器,分别提取每个部件的颜色和纹理特征,将多个颜色空间级联起来作为颜色特征,融合局部二值模式(LBP)纹理特征,将行人之间的匹配问题转换成行人各部件之间的匹配问题。最后,本文建立了不同摄像头下、同一时间段、不同角度的行人再识别系统框架,提出了基于不同行人区域特征匹配的方法。本文将行人不同区域划分成大小相同的小块,对每个小块提取颜色均值,再对该行人与目标行人对应区域的所有颜色值进行聚类,提取聚类后的颜色直方图并且结合尺度不变特征变换(SIFT)描述子,计算对应行人区域之间距离进行行人匹配。