本发明提出了一种结合图卷积神经网络的行人属性信息提取与重识别方法。该方法针对行人重识别由于图像分辨率低、视角变化、姿态变化、光线变化以及遮挡等原因带来的识别准确率低的问题提出了改进方法,该方法首先将输入的行人图像依据人体骨骼点对人体区域进行划分,然后运用图卷积神经网络DIFFPOOL方法对划分的人体区域进行信息提取与分类,最终得到行人属性信息与识别结果,其中运用到的“超级源节点”方法能够使区域特征有效聚合,增强了行人识别的判断依据,有效提升了行人重识别准确率。本发明主要增强了传统行人重识别方法对人体区域信息的提取能力以及改善了传统方法中繁琐的人体部件对齐策略。本发明设计合理,能够利用图卷积神经网络轻量、高效的信息分类能力来提升行人属性信息提取与重识别能力,使行人重识别的结果更加准确。