随着深度学习技术的快速发展，行人搜索算法的研究得到大量学者的关注。行人搜索是在行人检测和行人重识别任务的基础上在图像中寻找特定目标行人。该文对近年来行人搜索任务相关研究进展进行了详细梳理。按照模型网络结构和损失函数两方面对现有方法进行分析和总结。依据卷积神经网络和Transformer两类不同的技术路线，重点阐述各自代表性方法的主要研究工作；并按照传统损失函数、OIM损失函数及混合损失函数对行人搜索采用的训练损失函数进行详细总结。此外，总结了行人搜索任务领域常用的公开数据集，比较和分析了主要算法在相应数据集上的性能表现。最后总结了行人搜索任务的未来研究方向。