本发明公开了一种基于全局‑局部特征动态对齐的行人重识别方法，对挑选行人重识别数据集中的训练集进行预处理，再使用预训练的模型ResNet50进行模型的初始化；然后，分别对粗粒度的全局特征计算全局距离，细粒度的局部特征计算局部对齐距离，并且使用困难样本挖掘三元组损失、中心损失和Softmax交叉熵损失联合作为行人重识别网络的监督器，约束模型的训练。最后，融合全局特征和局部特征获得最终特征，将查询行人图像作为行人重识别网络模型的输入，从候选库中进行检索出对齐距离最短的行人。本发明能够有效抑制空间未对齐和非对齐区域的噪声干扰，并且无需引入额外的辅助姿态信息，并且局部分支以指导距离度量的计算，可以进一步提高测试阶段的准确性。