行人重识别(Re-ID)是计算机视觉领域的热点问题，主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年，针对行人遮挡和姿势不对齐等传统方法所遗留问题，业内提出了基于区域、注意力机制、姿势和生成对抗性网络(GAN)等深度学习的行人Re-ID方法，实验结果得到较明显的提高。故对深度学习在行人Re-ID中的研究进行了总结和分类，区别于以前的综述，将行人重识别方法分成四大类来讨论。首先,通过区域、注意力、姿势和GAN四类方法来综述基于深度学习的行人Re-ID方法;然后,分析这些方法在主流数据集上的mAP和Rank-1指标性能表现，结果显示基于深度学习的方法可以增强局部特征之间的联系并缩小域间隙，从而减少模型过拟合;最后,展望了行人Re-ID方法研究的发展方向。