网络视频监控作为计算机视觉领域的研究热点,被广泛应用于公共安全、智能交通等领域。行人再识别是网络监控系统的核心任务,研究其相关的算法与技术具有重要的学术意义和巨大的应用价值。为实现监控场景下的行人检测与再识别,本文分析研究了运动目标检测、人体检测和人体特征提取与再识别的算法与技术,并基于以上技术搭建了行人检测与再识别系统,实现对视频的智能分析。本文的主要工作如下:首先,研究并实现了运动目标检测算法。研究分析了 ViBe背景建模算法,进行运动前景检测,调整模型参数并对算法进行了改进。研究分析了均值滤波方法,对得到的前景图像进行后期处理,分析了其参数对效果的影响,得到最终运动区域,为后续的工作奠定基础。其次,研究并实现了人体检测算法。对行人头肩和人体分别提取HOG特征,针对头肩区域,采用级联结构训练了级联Adaboost分类器,用于检测行人头肩;针对人体区域,采用DPM算法训练了人体DPM模型,用于检测行人人体。头肩检测和人体检测的结合实现了行人的快速检测。然后,研究并实现了人体特征提取与再识别算法。首先采用动态阂值法实现图像颜色校正,避免色差对颜色特征提取的影响。随后对人体分区,分割出上衣和裤子的区域。针对不同区域提取颜色直方图作为行人特征。本文在分析了监控场景中颜色分布特点和现有颜色量化方法缺陷的基础上,提出了一种非线性颜色量化法。这种方法通过查表进行量化,获得鲁棒的颜色直方图。根据直方图相交进行颜色匹配,并通过实验验证了人体颜色特征在再识别中的效果。最后,本文设计并搭建了一套行人检测与再识别系统,对上述算法进行测试分析。