本发明公开了一种基于联邦拆分学习的行人重识别方法，包括：S1.加载行人重识别网络；S2.对行人重识别网络进行训练，行人重识别网络模型作为本地局部模型按照层数进行划分获得一个以上的第一分模型，拆分需要上传的模型参数，并将拆分后的第一分模型上传到参数服务器；S3.将所有第一分模型进行组装聚合，生成全局模型；S4.对全局模型进行拆分获得一个以上的第二分模型，并将每个第二分模型下发至目标训练节点上；S5.目标训练节点将第二分模型与本地局部模型进行组装，得到初始化模型并加载参数，将初始化模型作为新的本地局部模型；S6.循环S2‑S5，直至本地局部模型完成收敛。本发明安全性和准确率高，有效提升网络的通信效率。