面对海量的城市监控视频数据,通过智能分析代替人工查看的方式在安防领域已得到大量研究学者的关注。行人重识别作为监控视频内容分析的核心,得到了迅速的发展。其目的是解决跨摄像头后,通过行人的外观视觉特征和动作特征在海量的图像或视频库中检索特定行人的问题。对相互联网的不同摄像头拍摄到的行人身份进行关联,以便及时获取特定行人的运动轨迹。现实生活中由于监控环境复杂多变,摄像头安置位置各异以及光照强弱不同等影响因素,使得同一行人在不同摄像头下捕获的图像不一致,加大了行人重识别难度。针对不同场景下影响因素对行人重识别精度的影响,本文以卷积神经网络为核心,提出两种可有效提升重识别精度的网络模型。主要研究内容如下:1)针对摄像头捕获的行人图像中存在的噪声、行人之间部分遮挡以及动作姿态多变对重识别的影响,提出了一种基于时空注意力机制的行人重识别算法。首先采用Res2Net-50提取多尺度行人特征,同时采用注意力机制对基础骨干网络提取的原始特征图中未被激活或错误激活的部分区域进行重新标定筛选,以提取更具区分力的行人特征。其次采用3D聚合模块对重新筛选后的帧级行人特征进行聚合,以充分利用视频序列中的时空信息,获得最后代表整个视频序列的具有鲁棒性的行人特征向量。经过在i LIDS-VID、PRID-2011以及MARS三个数据集上进行大量消融实验,rank-1分别达到85.5%、92.7%以及85.6%,优于目前大多数方法。2)针对视频序列中存在的时空依赖以及行人特征图比较时出现的空间错位问题,提出了一种基于非局部3D密集卷积神经网络的行人重识别算法。首先采用3D密集卷积神经网络代替2D卷积操作,同时提取时空维度特征,充分挖掘输入样本序列中隐藏的时空信息。其次为了有效捕获视频序列中远距离的时空依赖,同时解决行人特征图之间空间未对齐使得重识别准确率降低的问题,在3D密集卷积块中加入非局部块,通过非局部操作计算特征图中任意两个空间位置存在的相互关系进而对特征图中存在的远距离依赖进行捕获,同时解决空间错位问题。经过在i LIDS-VID和MARS两个数据集进行多组消融实验,rank-1分别达到84.3%和87.8%,证明该方法具有优异的性能表现。