行人再识别问题是现代城市安防监控中的核心问题,基于行人再识别算法的行人追踪和人体检索技术具有广泛的应用场景,尤其在维护社会治安和提高刑事案件侦办效率方面具有广泛而深刻的意义。行人再识别本质上是解决跨视角的行人图像匹配问题,目前研究该问题遇到的主要挑战来自于摄像头架设位置环境的多样性导致的行人在姿态、光照、背景等视觉要素的变化。为了克服这些因素的影响,本文从学习鲁棒的图像特征表示和高效的特征匹配策略两方面展开研究,在特征表示学习方面,得到的图像特征既要能够反映图像最本质的信息,又要保证信息的完整性;在特征匹配策略学习方面,使得匹配策略必须能够拉开正样本对同负样本对的差异。基于以上方面并结合深度学习,分别提出了基于多视角语义匹配模块的行人匹配网络和基于颜色纹理空间分布的多视角行人匹配网络,进一步地,联合两种特征提出了基于多特征通道的多视角行人匹配网络等三种行人再识别算法,在一系列公开数据集上的实验证明了所提出算法的有效性,并在同一些前沿算法的比较时显示了一定的性能优势。