行人重识别研究在当前有着非常高的关注度和实际应用价值,不同学者从不同的角度展开研究,并且取得了一些研究成果。通过行人重识别来获取行人行走过程中的图像信息,进而对行人的特殊特征信息进行提取,在实际场景中得到有效利用。通过梳理已有的实现方法,往往会提到要设置一个关键的前置条件,要求行人行走过程中,保持水平姿态,这样就能够获取到对称图像数据信息。除此之外,还有一些方法在使用的时候,着重是对有效特征区域的特征信息进行提取,这样可以精准地提高关键性数据信息提取的效率。在一些复杂的场景中,需要通过模型构建的方式来展开分析,借助局部注意力引导网络的方式对行人的显著性区域进行合理有效地划分,着重提取关键性的局部细节信息,局部注意系统在细节信息提取上起到非常关键性的作用,与语义局部特征有较高的相似性。想要确保获取表征信息的正确性,需要对任务有效性特点和方法论进行明确,能够重视运行机制的完善,确保注意力机制作用可以得到充分发挥。本文研究内容以及成果有以下几点:（1）本文在研究过程中,针对拍摄角度,摄像机的图像分辨率低所导致的图像的遮挡样本问题,为了提取更加有辨识度的特征信息,对分块区域联系性展开分析,然后通过构建行人重识别框架,对获取到的数据信息进行分析。在实际设计过程中,采用PCB网络技术来辅助研究框架的构建,算法使用随机擦除来对网络进行预处理,再探索多种损失函数组合,并借助RPP网络提高分析效率,最终通过在多个数据集上的实验数据分析,在一定程度上弥补了传统方法存在的不足,网络结构得到增强,网络模型分析精确度提高,相邻分块之间的关联性也有所提高。（2）根据行人重识别所要达成的任务,由于局部注意力机制能够指导网络特征学习,减少噪声干扰和内容错位,对其进行采用和优化,将注意力转移到人体一些被忽略的有用的局部细节,增强注意力学习的多样性,使得网络得到进一步强化,在图像信息数据获取上的优势更加突出。在实际应用的过程中,借助注意力特征正则化获取更加细小的特征信息,对于提高分析结果的可信度有很大的支持作用,再引用区域兴趣图,使得网络关注较明显的语义特征,进而掌握更加详细的空间信息,本文采用了Batch Attention Drop Block强制网络学习潜在的识别特征,以此解决过拟合问题。