行人重识别主要研究如何在多相机网络中找到相同的感兴趣目标。作为视频监控的关键技术之一,它在长时间的目标跟踪、行人异常行为分析等公共安全领域具有很高的应用价值,是实现智能化安防的重要技术手段。在多相机视频监控场景下,行人的位置姿势、照明条件、背景干扰、遮挡、摄像头参数等因素的变化,导致同一目标行人在不同摄像机视角中所成的图像存在着很大的表观差异。因此,行人重识别问题的难点在于提取更具判别力的行人特征和设计更加准确的距离度量算法。针对提取强判别性特征的难点问题,本文设计了一种基于多注意力激活机制的行人重识别方法,该方法在卷积层的多个抽象语义阶段对特征图施加注意力机制,且每个阶段的注意力机制采用多分支结构,以提取多层次多区域的显著性行人特征,并采用模块化设计实现,以提高模型整体的计算效率。针对更加准确的特征距离度量算法的设计问题,本文设计了一种基于图卷积网络的行人重识别距离度量方法,该方法对每一张查询图像都构建一张子图,并输入到图卷积网络中进行推理计算,以预测出查询图像与各级邻点图像之间的特征距离。多注意力激活方法能够提取强判别性特征,而图卷积网络则善于对行人特征之间的距离远近进行度量,因此本文后续将注意力机制与图卷积网络进行结合,设计了一种基于注意力机制与图卷积网络的行人重识别方法,该方法结合了前面两种方法各自的优势,将多注意力激活机制应用到特征提取阶段,将图卷积网络应用到特征距离度量阶段,以同时获得强判别性特征提取的能力和准确的距离度量能力。在Market-1501、DukeMTMC-reID、CUHK03和MSMT17四个数据集上的对比实验结果表明,本文所设计的三种方法都能有效提高行人重识别的准确率,其中基于注意力机制与图卷积网络的方法性能最优,在Market-1501数据集上的Rank-1和mAP准确率能够达到95.2%和87.3%。