针对行人重识别过程中跨相机拍摄导致的行人图像风格差异问题，提出了一种基于循环矢量量化生成对抗网络（CVQGAN）与自校准卷积模块的学习框架。设计了一种离散化的矢量量化模块，将该模块用于生成器由编码到解码的过程中，利用矢量量化空间中的离散矢量解决了原始生成器产生噪声伪图像的问题，从而生成质量更高的风格转换图像。将自校准卷积模块融合至Resnet50主干网络的卷积层中，利用多分支网络结构对各支路进行不同的卷积操作，以获取表征能力更强的特征，进一步解决同一行人在不同相机下的风格差异问题。在Market1501和DukeMTMC-reID数据集上对所提算法进行有效性实验验证，结果表明本文算法能够有效提高行人重识别的准确率和鲁棒性。