行人重识别旨在通过一张给定的图片,从多个摄像头捕获的一组图像中进行人员定位,在公共场合寻人、疑犯追踪等方面有着重要意义。虽然目前行人重识别领域有了巨大的进展,但是大部分行人重识别任务都是基于人的衣着纹理进行特征识别,在某些失去服装纹理特性的场景下,如行人换衣或者统一着装的场景,传统模型不够具有辨识力。对相似衣着下的行人重识别方法进行研究,引入人体结构特征辅助行人身份判断。针对全局特征分支,把特征金字塔融合到全局特征分支中,联合低尺度特征完善高层语义。另一方面,针对局部特征分支,将图卷积和人体解析方法引入行人重识别问题。人体解析由于其像素级的准确性和建模任意轮廓的能力,可以对人体部分进行精准定位。设计一种基于姿态的人体解析方法,使现有的解析模型可迁移到行人重识别问题中。首先,通过基于姿态的人体解析网络获得细粒度语义,如头发、上身、下身、鞋子等部分,这些语义可归结为结构模块和外观模块。然后,将结构模块输入图卷积网络,用于学习人体结构关系特征,以获得头肩、臂展、上下身比例等关系辅助识别,降低服装特征影响。最后,将与衣着无关的外观特征与学习到的结构特征融合,获得更具有一般性的特征表示。此外,通过生成式对抗网络获得了相似衣着行人重识别数据集,以满足研究需要。以m AP（Mean Average Pricision,m AP）、Rank-1作为模型评价指标,在生成的数据集上进行实验,结果表明,提出的方法能够有效识别出行人特征,与同样研究相似衣着问题的黑衣人方法相比,在Rank-1指标上提高了0.3%,在m AP指标上提高了0.6%。