由于行人再识别面临姿势变化、遮挡干扰、光照差异等挑战，因此提取和区分力强的行人特征非常重要。提出了一种改进的基于全局特征的行人再识别方法。首先，设计了多个感受野融合模块，充分获取行人上下文信息，提高全局特征识别率。其次，使用alpine池获得细粒度特征。最后，构建一个多分支网络，综合网络不同深度的特征预测行人身份。在Market1501和dukemtmc-Reid数据集上，该方法的mAP指数分别达到83.8%和74.9%。实验结果表明，该方法有效地改进了基于全局特征的模型，提高了行人再识别的识别精度