1.一种提高局部注意力的行人重识别方法，其特征在于：包括以下步骤：

1)提取特征：进行图片到初步特征的映射操作Ftr，该操作使用残差卷积神经网络提取输入图片X的特征，并将其映射到与之对应的特征U上；输入输出的定义表示为：Ftr:X→U,X∈RH’×W’×C’,U∈RH×W×C其中：X代表了一幅行人图片，W’和H’分别代表了该图片的宽度和长度，C’代表了图片的通道数量；

U为全局特征，将U划分为H行W列，W和H分别代表了特征U的宽度和长度，即得到局部特征Ui，其中i＝1,2...H*W，每个局部特征都有C个通道，即C代表了特征U的通道数；

2)计算最终特征：

S1、主线1：保留提取出的局部特征合集U留作以后计算；

S2、主线2：通过SE模块计算出每个局部特征的权值：①Fsq压缩过程：对每个局部特征Ui的C个通道求均值，得到的zi即为该局部特征的初步权值，具体定义为：共得到H*W个权值，将其水平排列，得到H*W个局部特征权值的集合z；

②Fex过程：

经过Fsq得到H*W个权值集合z之后，进行Fex全连接操作，W1的维度为H*W/r，W2的维度为H*W，最后连接sigmoid激活；定义为：s＝Fex(z,W)＝δ(W2W1z)

得到的s的维度为1*1*(H*W),将其变形为二维H*W维矩阵，即为局部特征的权重系数；

S3、步骤S2得到局部特征的权重系数与步骤S1中主线1保留的原始特征U相乘，即可得到新的特征