1.一种基于联合深度学习的行人再辨识和行人性别分类方法，其特征在于，具体包括以下步骤：步骤1、构建两个结构相同的深度网络，分别用于行人再辨识和行人性别分类；

步骤2、利用参数相关正则项约束所述两个结构相同的深度网络中各层的参数集。

2.根据权利要求1所述的一种基于联合深度学习的行人再辨识和行人性别分类方法，其特征在于：所述步骤1中用于行人再辨识和行人性别分类的所述两个结构相同的深度网络对应的参数集分别为H1＝{H11,H12,…,H1n}和H2＝{H21,H22,…,H2n}，其中n为深度网络中卷积层个数，则二者的参数相关正则项R(H1,H2)定义如下：其中，表示点乘运算，H1i表示参数集H1中第i个卷积层的参数，H2i表示参数集H2中第i个卷积层的参数， 表示矩阵的Frobenius范数；

基于梯度下降算法对H1和H2进行优化，即后向传播中参数的更新规则如下：其中，L1和L2分别表示用于行人再辨识和行人性别分类的Softmax损失函数；λ≥0，用于控制参数相关正则项R(H1,H2)的权重；t+1和t表示梯度下降算法中相邻的两次迭代；表示求偏导运算。