本发明属于计算机视觉领域,尤其涉及行人重识别领域。具体涉及一种基于改进的多尺度困难三元组损失函数的行人重识别方法,旨在解决现有基于困难三元组损失函数的行人重识别在困难正负样本对挖掘方面的能力需要进一步提升的问题。本发明包括：通过ResNeSt50网络模型作为特征提取网络来挖掘较高细粒度的行人特征；通过改进的多尺度困难三元组损失函数来优化模型训练过程中对不同尺度特征空间的困难正负样本的在线挖掘；通过带有标签平滑正则化的交叉熵损失函数对行人ID分类任务进行监督训练；采用损失平衡加权的策略对两个损失函数进行权重配比调节。本发明可应用于各场景的行人重识别任务,并能显著提高行人重识别的性能。