本发明并行选取超参数设计多分支卷积神经网络识别行人的方法，包括步骤：1)初始化多分支卷积神经网络架构；2)自适应的根据具体任务，自动化筛选构建单元，迭代并行添加到各分支，构成精度和运算量可分离的分支卷积神经网络；3)验证评估，保留最高精度下降5％以内的所有模型，选择其中计算量最小的模型为选取结构；4)将最有筛选的多分支卷积神经网络拆分开来，单个分支使用或者两两分支组合作为基准模型，存储在终端设备，离线推理识别行人。本发明中多分支卷积神经网络的各个分支一起，根据具体的行人识别数据集，在每个迭代周期选取超1次参数，生成构建块，这些构建块并行添加到各分支去训练，然后选择出性能优异的超参数保存模型。