行人重识别技术即根据行人的衣着、姿态、发型等信息从非重叠摄像机视角下的行人图像库中找到与某行人属于同一身份的图像,是当前计算机视觉研究的热门方向。随着监控视频在日常生活中的普及,行人重识别可应用于商场寻人,警方搜查嫌疑人等场景,其中视频到视频（Video-to-Video,V2V）、图片到视频（Image-to-Video,I2V）的行人重识别更适用于实际。然而,V2V行人重识中如何精准且完整地提取视频中时空特征亟待解决。另一方面,I2V行人重识别也面临图片与视频的信息量不对称而难以进行特征比较的问题。本文利用计算机视觉和深度学习,围绕V2V行人重识别中的时间特征与空间特征提取以及I2V的行人重识别信息不对称问题展开研究。具体工作如下:（1）视频时间特征提取。针对V2V行人重识别问题,本文提出了长短时特征融合（Long-short Temporal Feature Fusion,LSTFF）网络。首先对输入的视频序列按时序做分段处理,通过不同伪3D模块辅以改进Non-local注意力模块获取片段级短时信息特征。接着使用全局注意力层来聚合所有片段特征,获取输入视频的长时信息特征。LSTFF网络在MARS、iLIDS-VID以及DukeMTMC-VideoReID数据集上Top1指标分别达到了 89.6%、89.3%和94.7%,对比各数据集 Baseline 分别提升了 2.3%、2.7%和 7.4%。（2）视频空间特征精炼。本文提出了掩膜引导参考注意力（Mask-guiding Reference Attention,MRA）模块,使用特定的掩膜引导参考注意力促使网络关注行人自身值得注意的部位,降低背景等无用信息的影响,不断累积有效空间信息。此外本文将MRA模块与LSTFF网络结合,提出时空特征融合（Spatial-Temporal Feature Fusion,STFF）网络,使用 MRA 模块替换 LSTFF 网络中的自注意力模块,同时提取视频序列的时间与空间信息,优化行人特征。在MARS、iLIDS-VID以及DukeMTMC-VideoReID数据集上,STFF网络Top1指标对比各数据集 Baseline 分别提升了 2.9%、0.1%和 7.2%,达到 89.5%、83.4%和 95.3%。（3）图片时空特征生成。为解决I2V行人重识别中信息不对称问题,本文提出了对抗生成时空特征（Generative Adversarial Spatial-Temporal Feature,GASTF）网络。GASTF网络分为特征生成流和特征提取流。特征生成流以单张图片作为输入,使用对抗生成网络生成时空视频特征。特征提取流以视频作为输入,采用基于Non-local自注意力模块的ResNet50网络,提取输入视频序列的时空特征。最后强制双流网络输出的特征相似,优化特征生成流网络参数,起到为图片补充逼真时空特征的作用。GASTF网络首次将对抗生成网络应用于I2V行人重识别,在 MARS、iLIDS-VID 以及 DukeMTMC-VideoReID 数据集上 Top1 指标分别达到74.3%、45.3%和75.6%。