1.一种行人再识别模型的训练方法，包括：

获取多个有标签的样本数据及各有标签的样本数据的来源、多个无标签的样本数据及各无标签的样本数据的来源；

确定各无标签的样本数据对应的伪标签；

获取各样本数据中行人图像对应的样本特征；

将所述各有标签的样本数据对应的样本特征、标签，以及所述各无标签的样本数据对应的样本特征、伪标签，输入到行人再识别模型，以对所述行人再识别模型进行训练；其中，所述行人再识别模型包括批归一化层，所述批归一化层中对应样本数据的多个来源，设置有多个批归一化分支；

其中，在对所述行人再识别模型进行训练的过程中，进入所述批归一化层的数据，被输入到与其来源对应的批归一化分支进行处理。

2.根据权利要求1所述的方法，其中，所述获取多个有标签的样本数据及各有标签的样本数据的来源，包括：获取至少一应用场景的多个有标签的样本数据；

根据每一有标签的样本数据的应用场景确定所述样本数据的来源。

3.根据权利要求2所述的方法，其中，每个所述应用场景设置有至少一拍摄装置；所述有标签的样本数据包括通过拍摄装置获取的行人图像以及所述行人图像对应的标签；

所述根据每一有标签的样本数据的应用场景确定所述样本数据的来源，包括：针对每一有标签的样本数据，确定拍摄所述样本数据中行人图像的拍摄装置；

根据所述样本数据的应用场景以及对应的拍摄装置，确定所述样本数据的来源。

4.根据权利要求1所述的方法，其中，所述行人再识别模块用于对目标应用场景的行人进行再识别；

所述获取多个无标签的样本数据及各无标签的样本数据的来源，包括：获取所述目标应用场景的多个无标签的样本数据；

根据所述目标应用场景确定每一无标签的样本数据的来源。

5.根据权利要求4所述的方法，其中，所述目标应用场景设置有至少一拍摄装置，所述无标签的样本数据包括通过拍摄装置获取的行人图像；

根据所述目标应用场景确定每一无标签的样本数据的来源，包括：针对每一无标签的样本数据，确定拍摄所述样本数据中行人图像的拍摄装置；

根据所述目标应用场景以及对应的拍摄装置，确定所述样本数据的来源。

6.根据权利要求1所述的方法，其中，确定各无标签的样本数据对应的伪标签，包括：通过所述多个有标签的样本数据，对行人再识别模型进行监督式训练；

根据通过所述多个有标签的样本数据训练得到的行人再识别模型，确定各无标签的样本数据对应的伪标签。

7.根据权利要求6所述的方法，其中，根据通过所述多个有标签的样本数据训练得到的行人再识别模型，确定各无标签的样本数据对应的伪标签，包括：根据通过所述多个有标签的样本数据训练得到的行人再识别模型，对各无标签的样本数据进行样本特征提取；

根据提取到的样本特征，确定各无标签的样本数据对应的伪标签。

8.根据权利要求7所述的方法，其中，根据提取到的样本特征，确定各无标签的样本数据对应的伪标签，包括：对提取到的样本特征进行聚类，根据聚类结果确定各无标签的样本数据对应的伪标签。

9.根据权利要求1‑8任一项所述的方法，还包括：在对行人再识别模型进行训练后，若所述行人再识别模型不收敛，则重复下述步骤，直至所述行人再识别模型收敛：通过训练得到的所述行人再识别模型确定所述无标签的样本数据对应的伪标签；

根据所述多个有标签的样本数据及来源，以及所述多个无标签的样本数据、对应的伪标签和来源，对行人再识别模型进行训练。

10.一种行人再识别方法，包括：

获取待识别的行人图像以及所述行人图像的来源；

根据所述待识别的行人图像及其来源，通过行人再识别模型对所述行人图像进行识别；其中，所述行人再识别模型为通过权利要求1‑9任一项所述的方法训练得到的行人再识别模型。

11.根据权利要求10所述的方法，其中，

在通过所述行人再识别模型对所述行人图像进行识别的过程中，进入所述行人再识别模型中批归一化层的数据，被输入到与其来源对应的批归一化分支进行处理。

12.一种行人再识别模型的训练装置，包括：

第一获取单元，用于获取多个有标签的样本数据及各有标签的样本数据的来源、多个无标签的样本数据及各无标签的样本数据的来源；

确定单元，用于确定各无标签的样本数据对应的伪标签；

训练单元，用于获取各样本数据中行人图像对应的样本特征；将所述各有标签的样本数据对应的样本特征、标签，以及所述各无标签的样本数据对应的样本特征、伪标签，输入到行人再识别模型，以对所述行人再识别模型进行训练；其中，所述行人再识别模型包括批归一化层，所述批归一化层中对应样本数据的多个来源，设置有多个批归一化分支；其中，在对所述行人再识别模型进行训练的过程中，进入所述批归一化层的数据，被输入到与其来源对应的批归一化分支进行处理。

13.一种行人再识别装置，包括：

第二获取单元，用于获取待识别的行人图像以及所述行人图像的来源；

识别单元，用于根据所述待识别的行人图像及其来源，通过行人再识别模型对所述行人图像进行识别；其中，所述行人再识别模型为通过权利要求12所述的装置训练得到的行人再识别模型。

14. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑11中任一项所述的方法。

15.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1‑11中任一项所述的方法。

16.一种行人再识别模型的训练方法，包括：

获取多个有标签的样本数据及各有标签的样本数据的来源、多个无标签的样本数据及各无标签的样本数据的来源；

获取各样本数据中行人图像对应的样本特征；

将所述各有标签的样本数据对应的样本特征、标签，以及所述各无标签的样本数据对应的样本特征、伪标签，输入到行人再识别模型，以对所述行人再识别模型进行训练；其中，所述行人再识别模型包括批归一化层，所述批归一化层中对应样本数据的多个来源，设置有多个批归一化分支；

其中，在对所述行人再识别模型进行训练的过程中，进入所述批归一化层的数据，被输入到与其来源对应的批归一化分支进行处理。