近年来,城市安全作为人们生活中息息相关的问题受到越来越多的重视。而和城市安全相关的视频监控系统也在逐渐完善。用于视频监控的摄像头普及率不断提高,对摄像头拍摄的视频及图片进行智能行为分析在研究领域受到了更多的关注。伴随着视频监控的广泛布局和发展,行人重识别问题作为智能行为分析中的一个重要研究方向在自动视频监控中受到了越来越多的关注。行人重识别是一个在多相机视频监控网络下,将同一个行人从不同的监控摄像机下识别出来的问题。尽管目前大量的研究聚焦于行人重识别问题,该问题依旧面临非常严峻的挑战。角度变化,光照变化,遮挡等情况都是行人重识别中需要应对的挑战性问题。本文在总结分析现有行人重识别方法的基础上,以提高行人重识别算法准确率和提高行人重识别算法效率为目标,提出了一种多层筛选的行人重识别算法,并且提出了一种融合外貌特征和生物特征的行人重识别算法。这两种方法在提高行人重识别算法性能上都有很好的表现。同时,针对上海市视频监控的应用需求,基于本文提出的算法,设计搭建出行人重识别软件系统,应用于视频监控系统中,起到智能行为分析的作用。特征融合在行人重识别中是一种较为有效的方法。通过融合多种特征可以提高特征的区分度和可靠性。由于单一特征往往不能全面地应对行人重识别中的角度变化、光照变化、遮挡等挑战,通常融合特征性能会优于单一特征。本文提出了一种基于多层筛选的行人重识别方法。充分利用各个特征提供的信息。当不同的特征对同一张行人图片给出的排名结果不一致时,减轻一些特征的错误判决给行人重识别算法准确率带来的影响。同时经过层级筛选流程,可以减少重识别图片样本数量,这会减少特征提取和特征比对带来的时间消耗,进而提高算法的效率。目前常用于行人重识别算法中的特征大体被分为两种,一种是外貌特征,目前外貌特征是大部分行人重识别算法中所应用的特征。另一种是生物特征,比如提取行人图片的人脸来进行比对或者通过行人走路的姿态来区分不同的个体。日常生活中,我们习惯通过人脸来区分不同的个体,同一个人的相貌在多数情况下会相对稳定,所以人脸特征是行人的一个重要的差异性和稳定性特征。但是在视频监控系统发展初期,由于视频监控摄像机多数分辨率较低,所以从目标人物中提取出脸部信息进行识别非常困难。不过高清摄像机被越来越多的应用于监控系统中,得到有效的人脸信息成为了可能。尽管相机视角以及相机位置高的因素会给在行人重识别中应用人脸特征带来不利的影响,但是通过本文提出的基于生物特征和外貌特征融合的行人重识别框架可以剔除掉“坏”人脸信息,利用“好”人脸信息。使人脸这个最具区分性的生物特征在行人重识别算法中发挥作用。同时本文以互补的形式选择外貌特征,融合外貌特征和生物特征,充分利用行人图片的各类信息,提高行人重识别算法的性能。最后,针对视频监控系统对智能行为分析的需求,本文将算法融合进软件中,进行了行人重识别软件的设计和搭建。将算法集成到监控系统中,使行人重识别在监控系统中发挥作用。