随着经济、科学以及技术的快速发展,在人们享受新技术带来便利的同时,不法分子趋向于采用更加科学和隐秘的犯罪手法。这意味着对公共场所的监控越来越重要,需要更多的监控设施。由于单独的监控设施覆盖范围有限,通常需要在不同监控设施拍摄的画面中识别出同一行人,随着监控设施的增加,人力渐渐无法承担这样繁重的工作,人工智能成为更好的选择,高效的行人重识别算法成为重要的研究课题。由于行人图像都拍摄于街道、闹事等一些繁华地段,图像的背景往往杂乱无章,严重影响图像特征的质量。针对这个问题,本文提出基于混合对比注意力的行人重识别算法,主要包括以下两方面的工作:(1)本文将对比通道注意力和对比空间注意力融合为混合对比注意力,提出一种具有整体分支、人体分支和背景分支的网络结构,并使用该网络作为孪生网络的基础模型,充分挖掘模型的行人重识别潜力。(2)本文分析了所提出模型的各个损失函数以及三个分支提取的特征之间的关系,对不同分支提取的特征进行特征融合,并使用融合后的特征进行行人重识别,进一步提升了行人重识别的效果。本文分别在Market-1501和CUHK03数据集上,和已有主流的行人重识别方法进行了一系列对比实验。实验结果表明,本文提出的基于混合对比注意力的行人重识别算法优于以往模型,在对不同分支提取的特征进行特征融合之后,本文提出模型的行人重识别效果得到进一步提升。这些实验结果表明了本文提出模型的有效性。