1.一种基于能量模型的行人重识别方法，其特征在于，该方法包括如下步骤：步骤S1：通过摄像头采集城市各路口行人图像N*M个，其中N为行人个数，M为每个行人采集的图像数据，以此作为训练数据集；

步骤S2：利用卷积神经网络训练行人分类模型，设x为某行人图像，f(x)为卷积神经网络所提取的特征，分类模型所训练的损失函数采用基于能量的损失函数；

步骤S3：根据S2中所训练的模型，提取待识别的行人图像特征，并和数据库中的所存储的N个不同行人图像特征比对，以确定待识别的行人身份；

步骤S4：跟S3中的检索结果，通过可视化排序，以确定所识别行人的潜在相似目标和身份；

所述步骤2中基于能量模型的损失函数建立步骤为：

2.1通过卷积神经网络提取行人图像x的特征f(x)；

2.2计算步骤2.1中行人图像特征的目标能量和非目标能量；

E(x,t)＝‑ft(x)

其中，t是目标标签，E(x,t)表示图像的目标能量，E(x,n)表示图像的非目标能量，T为温度常数；

2.3定义基于能量的损失函数

其中max为取最大值函数，α控制损失函数的取值，β控制能量梯度在非目标分量上的分布；最后，根据上述公式作为神经网络训练的损失函数，取代传统softmax损失函数实现网络的分类训练；

在步骤3中带检索图像和数据库中的行人图像相似度的比对方法为：d(x,xg)＝|f(x)‑f(xg)|

其中x,xg分别为待检索的行人图像和数据库中的图像,f(x)和f(xg)为神经网络所提取的行人特征，d(x,xg)为图像之间的相似度度量。

2.如权利要求1所述的基于能量模型的行人重识别方法，其特征在于，在步骤4中，将需要重识别的图片输入重识别网络得到描述特征，将图像库的图片也送入重识别网络得到描述特征，对比描述特征进行排序，将排序结果传递到行人重识别可视化软件显示。