De nos jours la vidéosurveillance connaît une forte expansion. Cette évolution répond au besoin de tout citoyen à la sécurité. L’analyse automatique de l’énorme quantité de vidéos collectées est un problème actuel. Cette thèse s’inscrit dans le contexte de l’analyse automatique de la vidéo surveillance et s’intéresse au problème de la détection, du suivi et surtout de la ré-identification de personnes dans un réseau de caméras à champs disjoints Ces tâches sont assez difficiles à cause d’une série de défis, tels que variation de poses, variation de point de vu et variation de l’éclairage, basse résolution etc. Dans cette thèse, on envisage de d’utiliser les attributs sémantiques des personnes qui sont les descripteurs de niveau intermédiaire pour faciliter la ré-identification et d'appliquer l’apprentissage profond sous une architecture de réseau siamois pour apprendre la métrique de similarité entre deux images.