随着人们对社会公共安全的日益关注以及视频采集技术和大规模数据存储技术的发展,大量的监控摄像头应用在商场、公园、学校、医院、公司、体育场馆、大型广场、地铁站等人群密集易发生公共安全事件的场所。人工已难以应对海量增长的监控视频,因此利用计算机对监控视频中的行人等进行再识别(Re-identification)的需求应运而生。所谓再识别是指在监控视频中识别出某个特定的已经在监控网络中出现过的行人。本文提出了两种基于人物的外貌特征的再识别算法,主要工作包括：1.面向应用,设计并实现了一个融合颜色和纹理特征的行人快速再识别系统。首先,针对人群密集、遮挡严重的高清监控视频(1080p)这一复杂应用场景,在比较了现有几种经典前景提取算法前提下,提出了一种改进的基于帧间差的前景检测及结构拆分算法,将目标拆分为上下半身；随后,对不同颜色空间的颜色恒常性进行了研究,选择并改进了HSV颜色直方图的描述方法,一定程度上降低了光照变化的影响,接着结合颜色反投影和空间位置约束进行了候选目标的快速定位；最后,融合颜色相关图、局部二值模式直方图和梯度方向直方图实现最终目标的检测。实验表明,该系统在识别率超过80%的同时,处理速度达到1帧40ms。该系统已经商用。2.提出了一种基于超像素(super-pixel)分割描述和词汇树索引的行人再识别算法。算法首先采用超像素分割将行人划分为多个超像素块；然后采用密集采样CSIFT特征完成超像素块的视觉描述,降低了局部特征点由于人的姿态变化造成的位置偏移所带来了影响；最后引入词汇树索引机制将再识别问题转变成一个图像检索问题,实现行人的快速识别。本文在ETHZ数据集上进行了实验,实验的CMC (Cumulative Match Characteristic)曲线表明,本文提出的算法,在排名前十的检索结果中有90%的正确识别,性能优于文献中采用的PLS方法、基于SVM、基于PCA的方法,验证了算法的有效性