近年来,AI技术逐渐产业化。一直备受关注的计算机视觉领域的成果在商品识别、智能安防、智慧城市等领域纷纷落地开花。人脸识别、行人检测、行人重识别、行人搜索等技术与安防领域的实际需求十分契合,也因而得到了越来越多的关注。本文在各种经典计算机视觉任务模型的基础上,对行人搜索技术在实际应用中十分典型的一体化搜索场景和严重非对齐搜索场景进行了分析,并提出了相应的模型与算法。一体化行人搜索场景是指行人检测与行人再识别相结合的实际搜索场景,其研究目标是在给定的候选全景图像集中检测出待搜寻的目标行人样本。对于一体化行人搜索模型的搭建,我们设计了空间自适应行人搜索网络（Space Adaptive Person Search Network,SAPN）端到端的完成行人搜索,实现监控场景中行人坐标与行人特征的同时输出。并且,针对行人搜索中行人的刚性变换、姿态问题,我们设计了行人空间适配器以获取更为鲁棒的行人特征来提高网络的实际性能。在公开数据集CUHK-SYSU和PRW上的实验结果表明,在联合训练的条件下,SAPN的检测性能优于已有工作。严重非对齐搜索场是指较大时空跨度下的行人搜索场景,其研究目标是仅用一张人脸照,在包含全身行人、半身行人以及有清晰人脸行人、无清晰人脸行人的图像候选图集中找到衣着外观都可能发生较大变化的目标行人。并且数据量巨大时,传统搜索方法利用多种行人特征进行搜索,耗时久占存多,亟需改进。为此我们设计了基于哈希的多特征行人搜索网络（Hash-based Multi-feature Person Search Network,HMPN）来实现行人人脸、全身、半身等多种特征的提取和哈希编码,同时引入多索引哈希快速搜索和哈希特征预检来优化行人搜索的端到端耗时。在提取行人多种特征的基础上,我们提出了一个行人交叉搜索算法,利用人脸特征进行目标行人样本的扩充和搜索结果的过滤。在公开数据集CSM上的实验结果表明,我们提出的多特征行人搜索模型在提升行人搜索任务准确率的同时,大幅降低了行人搜索任务的耗时。综上所述,本文从两个典型搜索场景对行人搜索技术进行了研究并提出模型和算法,通过实验验证并分析了本文中方法的有效性,对未来的研究方向进行了展望。