본 연구에서는 보행자 재식별을 위한 분별력 높은 특징 임베딩을 구성하기 위한 목적으로 다중 크기 학습 방법과 지역 기반 학습 방법 그리고 어탠션 매커니즘을 모두 적용한 어탠션 기반의 이중 피라미드(attentive dual pyramid)를 활용하는 새로운 보행자 재식별 모델을 제안하였다. 어탠션 기반의 이중 피라미드는 어탠션 기반의 규모 피라미드(attentive scale pyramid)와 어탠션 기반의 지역 피라미드(attentive local pyramid)로 구성되어 있다. 어탠션 기반의 규모 피라미드는 이미지 전역의 다양한 크기와 모양의 시각적 요소들로부터 추출한 다중 규모 특징들 중 보행자 식별에 중요한 특징들을 채널 어탠션을 통해 분별하여 분별력 높은 임베딩 구성에 활용할 특징맵을 형성할 수 있도록 한다. 이어서 어탠션 기반의 지역 피라미드는 특징맵을 분할하여 구성한 다수의 부분 지역들에 다중 포착 어탠션을 적용하여 이미지 내의 배경지역처럼 중요도가 낮은 요소들이 특징으로 반영되는 것을 방지하고 해당 지역을 대표하는 지역 임베딩을 보다 정교하게 구성할 수 있도록 한다. 이에 따라 제안 모델은 이미지 내 보행자 영역에 존재하는 다양한 크기와 모양의 시각적 요소들 중 보행자 식별에 상대적으로 중요한 요소들을 그 종류와 위치를 기준으로 선별하여 특징 임베딩의 구성에 활용할 수 있으며, 이를 바탕으로 보다 분별력 있는 특징 임베딩을 만들어 낼 수 있다. 실험에서는 모델을 구성하는 각 모듈들의 적용에 따른 효과를 살펴보고, 제안 방법과 기존의 연구들 중 성능이 우수하다고 알려진 방법들과 재식별 정확도를 비교하였다. 실험 결과, 제안 기법은 최대 99.3%의 1 순위 정확도(rank-1 accuracy)를 보였는데, 이는 동일 데이터 셋을 기준으로 기존 연구들보다 최소 약 2.2%, 최대 19.4% 높은 수치이고 이를 통해 제안방법이 분별력 있는 특징 임베딩을 생성하는데 보다 유용한 방법임을 알 수 있다.