随着视频监控设备的日益普及,对视频监控设备所产生的海量数据进行分析处理的任务日益繁重。行人是视频监控的主要监控对象之一。如何对监控场景中的行人进行检测、识别是目前的研究重点。在投入实际应用的智能视频监控系统中,行人身份识别是监控系统的重要功能和基础性环节。本文针对监控场景中行人身份识别这一问题进行研究,主要提出了一种行人再认证重排序框架和监控场景下非限制性人脸识别算法框架。行人再认证是一种将视频监控网络中不同监控场景中不同时刻提取到的同一个行人建立起对应关系的过程。该问题属于基于衣着外观的行人身份识别问题。本文提出了一种基于多模态流形的重排序框架。重排序算法框架首先使用传统算法所忽视的低层次特征,建立其对应模态上的流形;然后对各个低层次特征对应模态上的流形进行融合;最后根据融合后的流形求取与测试图像样本(Probe Image)在外观上最接近的比对数据集(Gallery Set)中的图像。在重排序算法框架中整合进4种不同的行人再认证算法并在2个公共数据集上进行实验之后,各项数据表明重排序算法框架能够对传统行人再认证算法的结果有明显的改进。非限制性人脸识别主要任务是在不限制行人面部姿态的情况下,根据行人面部图像对行人身份进行识别。该问题属于基于面部图像的行人身份识别问题。本文改进了一种基于顺序关系的面部检测算法,并将其与追踪算法进行整合,提出一种基于追踪的人脸检测算法。在这个基于追踪的人脸检测算法基础上实现了非限制性人脸识别系统。