随着监控设备的普及,作为智能安保、目标追踪等任务的重要辅助手段,行人重识别近年来被广泛研究。然而行人重识别任务在提取身份相关特征时存在的信息丢失问题会使得行人身份信息提取不够充分,进而影响行人重识别模型的准确度。基于局部特征的行人重识别方法能保留更多的局部重要特征,对遮挡问题也有较好的效果,但应对下采样导致的信息丢失问题存在不足。结合不同分辨率特征的方法在检测和分割任务中已广泛使用且被证明对下采样导致的信息丢失问题有较好效果,结合这种思路和基于局部特征的行人重识别算法,本文提出一种基于双分辨率特征及通道注意力机制的行人重识别方法。首先,在Res Net基础上增加了高分辨率特征分支,形成双分辨率结构,然后通过在两种不同分辨率的特征图上应用池化层,生成了2组全局特征和6组局部特征。然而过多的特征通道会影响有效特征的显著性,因此根据特征的维度又设计了通道注意力模块对特征通道进行筛选,强化有效特征的表达。多分支特征的生成以及注意力机制的强化表达使得特征的分布产生了变化,而模型又使用了分类损失和度量损失两种优化方向存在差异的损失函数,这两者都容易导致训练效果下降,所以最后加入批归一化处理来调整产生变化的特征分布,并让分类损失使用批归一化后的特征,而度量损失使用批归一化前的特征,达到协调分类损失和度量损失的效果。消融实验中,算法内各步骤的运用都有效提升了模型的性能。在Market-1501、DUKEMTMC-REID和CUHK03三个公共数据集上进行的对比实验中,该算法相比近几年具有代表性的其他算法,m AP和Rank-1都有所提升。实验结果表明,本文提出的方法能结合更丰富的特征,缓解信息丢失问题,提高行人重识别准确度。