1.一种无重叠视域下的行人再识别方法，其特征在于，包括步骤如下：

步骤A、监控视域中行人目标的检测与跟踪；

步骤B、精确行人区域的提取与行人模型的分割；

步骤C、行人序列上下半身HSV三通道稀疏字典的构建；

步骤D、另一监控视域中行人目标的检测分割预处理；

步骤E、稀疏重构融合判决，得出行人目标识别相似度；

所述步骤A包括以下步骤：对监控视域下的视频采用基于HOG+SVM的行人检测算法进行行人检测，获取行人的最小矩形框i*j，然后采用TLD算法对目标行人进行跟踪，保存每一帧跟踪结果信息；

所述步骤B中包括以下步骤：

步骤B-1，结合行人跟踪结果框坐标信息以及视频帧信息，采用GrabCut算法对视频序列的每一个行人区域进行前景分割处理，分割出精确的行人前景区域并归一化到统一大小i*j保存；

步骤B-2，将精确的行人前景采用固定的行人模型进行分割，将行人分割为上半身和下半身并保存分割后的行人上下半身序列，分割比例为7:5；

所述步骤C中包括以下步骤：利用步骤B-2中分割出来的行人目标的上半身以及下半身序列，将其颜色从RGB颜色通道转化为HSV颜色通道，然后将每一个通道颜色分量合成一维特征矢量，之后利用提取到的特征矢量分别构建上下半身的H、S和V三通道的稀疏字典，分别为上半身字典Dh1、Ds1和Dv1以及下半身字典Dh2,Ds2和Dv2；

所述步骤D中包括以下步骤：利用步骤A中行人检测方法对行人目标进行检测并将检测到的行人矩形框归一化到i*j大小，然后再利用步骤B中所提到的行人分割方法对行人区域进行精确的提取和行人模型的分割，从而精确提取出行人的上下半身序列，将待识别行人目标的上下半身序列从RGB颜色通道转换为HSV颜色通道；

所述步骤E中 包括以下步骤：对步骤D处理过后的行人上下半身序列分别提取其HSV三通道值，每一个颜色分量合成一维特征矢量，然后计算其在对应稀疏字典Dh1、Ds1、Dv1、Dh2、Ds2、Dv2下的重误差δh1、δs1、δv1、δh2、δs2、δv2，之后对六个字典的重构差赋予不同的权重并进行融合判决，融合原则为δ总＝0.65*(δh1+δs1+δv1)+0.35*(δh1+δs1+δv1)，从而由总的重构误差δ总判决待识别行人目标的识别相似度。