1.一种有效且轻量的多尺度行人重识别方法，其特征在于，所述方法包括以下步骤：使用多尺度幻影网络提取输入行人图像的特征；

所述多尺度幻影网络由卷积操作、池化操作和幻影多尺度模块堆叠而成，幻影多尺度模块是由轻量幻影卷积块数量分别为1、3、6 的三个分支分配不同权重自适应聚合而成；

利用金字塔特征融合模块对主干网络得到的特征图进行融合处理；

所述金字塔特征融合模块是对多尺度幻影网络得到的后四层特征图进行特征图相加、特征图拼接和特征图处理OP操作；

构建损失函数，对网络参数进行迭代优化；

将最终提取到的行人图像特征与图像库中的各个图像进行相似性度量，输出匹配列表。

2.根据权利要求1所述的有效且轻量的多尺度行人重识别方法，其特征在于，整体框架包括，多尺度幻影网络和金字塔特征融合模块。

3.根据权利要求1所述的有效且轻量的多尺度行人重识别方法，其特征在于，所述轻量幻影卷积块由基础操作和廉价操作构成，包括1x1卷积，3x3卷积，特征图拼接，BN和ReLU操作。

4.根据权利要求1所述的有效且轻量的多尺度行人重识别方法，其特征在于，所述特征图处理OP操作包括上采样、BN、ReLU和特征图拼接操作。

5.根据权利要求1所述的有效且轻量的多尺度行人重识别方法，其特征在于，所述多尺度幻影网络得到的特征和最终提取到的特征联合使用交叉熵损失、中心损失和难样本三元组损失进行训练。