本发明涉及一种基于时空上下文的行人重识别与追踪方法，包括：训练Mask RCNN网络；利用训练后的Mask RCNN网络处理原始图片集，得到训练集、测试集和查找集；利用训练集训练卷积神经网络；利用训练后的卷积神经网络对测试集和查找集进行处理，以从测试集中获取第一预设数量的图片，以对目标行人进行重识别。本发明使用目标检测算法和实例分割算法对图片进行预处理，去除背景干扰信息，能够进一步提高模型精度，提升行人重识别方法的准确率。同时，本发明解决了目前行人重识别算法缺乏追踪功能的问题，提出了基于步行速度的区域预测算法，结合Mask RCNN降低了追踪计算复杂度，达到实时追踪，提高了追踪效率。
