本发明涉及一种基于部分共享网络和余弦间隔损失函数的行人搜索方法，包括以下内容：首先，设计了一个新的神经网络结构，让行人检测和行人重识别部分共享更为浅层的特征，使得它们更加专注各自的任务，从改进模型结构的角度，在一定程度上减轻它们之间的相互干扰。其次，深入研究了多损失函数联合优化中，行人重识别损失函数的权重对模型优化的影响，通过设置合理的损失函数参数，从优化角度缓解行人检测和重识别之间的相互干扰。最后，提出了更加鲁棒的查找表更新策略，将余弦间隔加入到OIM损失函数中以减小同类样本之间的距离，最终使得网络学习的行人特征更加具有区分性。本发明能够降低行人检测和行人重识别之间的相互干扰。