Цель исследования. Разработка и экспериментальная проверка алгоритма байесовской классификации для задачи реидентификации личности на изображениях, полученных с разных видеокамер. Исследование направлено на повышение точности идентификации за счёт интеграции признаков, извлекаемых из изображений лица и силуэта человека. Методы. Предложенный алгоритм основан на байесовской модели классификации с использованием многомерных нормальных распределений признаков. Признаки извлекаются из изображений нейросетевыми кодировщиками, построенными на архитектуре Vision Transformer и обученными с применением функции потерь ArcFace. Интеграция признаков различных модальностей осуществляется на основе вычисления логарифмических апостериорных вероятностей принадлежности объектов к классам. Для оценки эффективности метода применялся открытый набор данных CUHK03, выполнен количественный анализ с помощью ROC-кривых и визуализации признакового пространства методом t-SNE. Результаты. Алгоритм показал высокие показатели точности: precision 95,65% на CUHK03, до 97,7% на Market-1501 и 89,2% на MARS. ROC-анализ подтвердил хорошую разделимость классов, а t-SNE визуализации продемонстрировали компактность кластеров. Алгоритм детерминирован, устойчив к шумам и масштабируем на более крупные выборки. Заключение. Разработанный байесовский алгоритм классификации подтвердил свою эффективность и перспективность для решения задачи реидентификации личности в интеллектуальных системах видеонаблюдения. Его преимущества заключаются в высокой точности, интерпретируемости результатов и возможности интеграции дополнительных признаков. Дальнейшее развитие алгоритма целесообразно осуществлять путём внедрения дополнительных атрибутов и тестирования на существенно более крупных и разнообразных датасетах.