行人再识别技术因其在智慧城市、刑侦等领域里面存在巨大的应用价值而成为计算机视觉任务里面一个研究热点领域。行人再识别,指的是在一组多摄像头网络中,运用一系列图像处理和模式识别技术,判别无重叠的视频监控系统下的行人是否为同一个行人。因室外场景中,摄像头角度不统一、行人姿态多变、行人背景复杂、室外光照多变、行人受到遮挡等因素,现如今的行人再识别技术难以在室外真实场景中部署。针对以上存在的问题,本课题开展了以下的工作:（1）针对室外光照变化大、行人背景复杂、行人遮挡问题。首先设计一种基于灰度值的亮度评估算法,将MSMT17数据集中的光照过亮和过暗的图片挑选出来,再使用光照补偿算法和光照削减算法分别对过暗图片进行亮度增强,对过亮图片进行亮度削减,达到使行人图片光照尽可能保持一致的目的。其次,通过Grid Mask补偿训练集中遮挡的样本;通过Mosaic增强技术增加行人数据集的背景复杂性;设计了针对现实场景中光线通过树影光斑的非均匀光照图像增强技术,增加了行人再识别数据集中非均匀光斑的行人图像样本。实验表明提出的光照自适应算法能够很好的调整亮度过暗和过亮的图片,三种图像增强技术也能够增加数据集的多样性。（2）针对因室外行人姿态异常、背景遮挡而导致的待检测行人与行人模板图像差距大的问题。利用人体姿态关节点置信度判断人体局部被遮挡情况,在行人图像特征提取时给被遮挡的区域赋予较低的权值,给未被遮挡的区域赋予较高的权值,降低了人体被遮挡区域图像特征的干扰。根据人体姿态关节点之间的夹角、相对距离、位置关系,计算出局部图像旋转角度,对姿态异常的部分进行角度的旋转,经过图像拼接,得到较为接近训练数据中正常的行人姿态,完成了姿态异常的矫正。（3）针对室外光照多变、行人姿态异常问题,设计基IBN归一化的行人图像矫正网络和基于STN网络的行人特征空间变换模块,引入Mish激活函数,构建基于IBN和STN的改进ResNet特征提取骨干网络。在训练阶段,使用（1）中的Grid Mask图像增强、Mosaic图像增强技术和非均匀光斑图像增强增加数据集的多样性,在三个数据集Market-1501、MSMT17、Duke MTMC上的Rank-1达到95.2%、77%、88.1%,和现有的行人再识别算法对比具有一定的竞争力。在测试阶段,使用（1）、（2）中算法对光照多变、姿态异常、行人遮挡情况进行处理,最终的综合对比实验显示算法在MSMT17上Rank-1和m AP达到79.8%和58.5%。