1.一种姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述姿态引导注意力的抗遮挡行人重识别方法，包括：获取行人图像，分别通过姿态估计网络提取关节点热力图及关节点置信度，通过全局特征提取网络提取全局特征图；

将全局特征图与关节点热力图进行元素间相乘，得到关节点局部特征图，然后将关节点局部特征图和全局特征图通过姿态引导空间注意力模块得到空间注意力特征图；

将关节点局部特征图和空间注意力特征图通过姿态引导通道注意力模块得到通道注意力特征图；

在关节点置信度大于等于预设的阈值时，将关节点置信度作为关节点特征权重，否则将关节点特征权重置为零；

根据待检索行人图像的全局特征图、关节点局部特征图和通道注意力特征图计算待检索行人图像与图库图像之间的相似度距离，选择最相似的图库图像作为最终识别结果，所述相似度距离计算公式如下：其中，dtotal表示待检索行人图像与图库图像之间的相似度距离， 分别表示待检索行人图像和图库图像中第i个关节点的关节点特征权重，dglobal表示待检索行人图像和图库图像之间全局特征的距离，dpga表示待检索行人图像和图库图像之间通道注意力特征的距离，di表示待检索行人图像和图库图像之间第i个关节点的距离，N表示关节点数量。

2.根据权利要求1所述的姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述关节点置信度为对应关节点热力图中的最大值。

3.根据权利要求1所述的姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述将关节点局部特征图和全局特征图通过姿态引导空间注意力模块得到空间注意力特征图，包括：将关节点局部特征图中每个通道中的像素点进行最大池化与ReLU激活函数操作，生成关节点空间注意力图；

将全局特征图进行卷积操作后，在通道维度上进行全局平均池化操作，生成全局空间注意力图，将关节点空间注意力图与全局空间注意力图进行拼接，得到空间姿态引导特征图；

将拼接后的空间姿态引导特征图，通过卷积操作和Sigmoid函数，得到空间注意力掩码；

将空间注意力掩码与全局特征相乘得到空间注意力特征图。

4.根据权利要求1所述的姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述将关节点局部特征图和空间注意力特征图通过姿态引导通道注意力模块得到通道注意力特征图，包括：将关节点局部特征图中每个空间上的像素点进行最大池化与ReLU激活函数操作，生成关节点通道注意力图；

将空间注意力特征图进行卷积操作后，在空间维度上进行全局平均池化操作，生成全局通道注意力图，将关节点通道注意力图与全局通道注意力图进行拼接，得到通道姿态引导特征图；

将拼接后的通道姿态引导特征图，通过卷积操作和Sigmoid函数，得到通道注意力掩码；

将通道注意力掩码与全局特征相乘得到通道注意力特征图。

5.根据权利要求1所述的姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述待检索行人图像和图库图像之间全局特征的距离、待检索行人图像和图库图像之间通道注意力特征的距离、待检索行人图像和图库图像之间第i个关节点的距离均采用余弦距离进行度量。

6.根据权利要求1所述的姿态引导注意力的抗遮挡行人重识别方法，其特征在于，所述姿态估计网络采用高分辨率网络HRNet‑W32，所述全局特征提取网络采用ResNet‑50。