针对监控环境复杂，行人在光照变化、视角变化和遮挡等不同条件下图像外观差异较大，导致行人细节特征难以被提取的问题，提出了一种融合注意力机制的多粒度行人再识别模型。该模型通过引入多分支结构，提取包含不同尺度信息的特征图；结合多粒度切分模块和注意力机制，进一步提取特征图的局部判别性信息，获取多样化的特征表示并实现特征的协调统一；采用联合学习的方式对模型进行监督训练，得到更全面的特征描述。在主流的行人再识别数据集Market-1501、DukeMTMC-reID和CUHK03上取得了优异的性能，mAP分别达到了88.42%、78.86%和76.70%，结果表明了该模型的有效性。