1.一種最大粒度結(jié)構(gòu)描述符的行人再辨識方法，其特征在于，包括以下步驟：
S1，獲取圖像集中彩色的行人圖像，使用Gabor濾波器處理行人圖像，獲得多個尺度圖像；
S2，獲取各尺度圖像的顏色差分直方圖CDH，利用交疊的滑動子窗口提取CDH的局部最大交叉編碼描述符，即LMCC描述符；
S3，針對步驟S1獲得的不同尺度下行人圖像，使用滑動窗口提取局部塊中的2個SILTP直方圖，以顏色直方圖作為滑動窗口對應(yīng)塊下的局部特征，針對同一水平方向的各個局部塊特征，同一維度上，提取最大值作為局部最大出現(xiàn)描述符，即LOMO描述符；
S4，將LMCC描述符與LOMO描述符融合得到多尺度信息，使用LDA算法進行度量學(xué)習(xí)，獲得特征空間的最優(yōu)子空間，用于計算圖像之間的相似性；
S5，輸入待辨識的行人圖像，計算待辨識的行人圖像與圖像集中行人圖像的相似性，得到辨識結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種最大粒度結(jié)構(gòu)描述符的行人再辨識方法，其特征在于，所述的步驟S1包括以下步驟：
S11，將行人圖像的RGB顏色空間變換成HSV顏色空間；
S12，分別在三個通道上，使用Gabor濾波器對HSV顏色空間進行μ種尺度的變換，每個通道得到μ個尺度圖像；
S13，分別在三個通道上，對μ個尺度圖像兩兩分組，每組包括2個鄰域尺度圖像，利用max-pooling算法，獲得每組圖像中的最大算子的尺度圖像，每個通道得到μ/2個尺度圖像。
3.根據(jù)權(quán)利要求2所述的一種最大粒度結(jié)構(gòu)描述符的行人再辨識方法，其特征在于，所述的步驟S12中，同一尺度上的變換具有多個核函數(shù)方向，該尺度變換的結(jié)果取各核函數(shù)方向上的平均值。
4.根據(jù)權(quán)利要求1所述的一種最大粒度結(jié)構(gòu)描述符的行人再辨識方法，其特征在于，所述的步驟S2包括以下步驟：
S21，獲取尺度圖像的顏色差分直方圖CDH；
S22，提取CDH的描述符并將其視為在子窗口下發(fā)生的概率，然后選擇在同一水平位置上的所有子窗口的顏色差分直方圖的最大值作為提取出來的特征描述符，從而獲取行人圖像的局部特征。
5.根據(jù)權(quán)利要求1所述的一種最大粒度結(jié)構(gòu)描述符的行人再辨識方法，其特征在于，所述的步驟S4包括以下步驟：
S41，利用主成分分析法分別對LMCC描述符和LOMO描述符降維；
S42，將LMCC描述符與LOMO描述符融合成多尺度信息；
S43，利用線性判別分析LDA計算投影方向，得到緊湊的特征子空間，即特征空間的最優(yōu)子空間。