简介： 本发明公开了一种基于时序补偿引导的强化学习图像‑视频行人重识别方法，包括：1、构建序列特征提取网络；2、将行人视频与图像输入序列特征提取网络，提取由时序补偿的视频特征、图像特征，计算身份损失和三元组损失对网络参数进行更新；3、基于强化学习理论构建序列决策模块网络，设计奖励计算该模块中的actor网络和critic网络的损失以更新网络参数；4、根据图像查询库和视频待检索库的行人特征计算相似度矩阵，获得检索结果。本发明利用强化学习理论动态地选择所必需行人视频帧数，能降低行人视频中冗余信息和噪声对网络的干扰，从而在使用较少的帧数情况下实现高效、准确地行人图像‑视频匹配。