1.一种最大粒度结构描述符的行人再辨识方法，其特征在于，包括以下步骤：
S1，获取图像集中彩色的行人图像，使用Gabor滤波器处理行人图像，获得多个尺度图像；
S2，获取各尺度图像的颜色差分直方图CDH，利用交叠的滑动子窗口提取CDH的局部最大交叉编码描述符，即LMCC描述符；
S3，针对步骤S1获得的不同尺度下行人图像，使用滑动窗口提取局部块中的2个SILTP直方图，以颜色直方图作为滑动窗口对应块下的局部特征，针对同一水平方向的各个局部块特征，同一维度上，提取最大值作为局部最大出现描述符，即LOMO描述符；
S4，将LMCC描述符与LOMO描述符融合得到多尺度信息，使用LDA算法进行度量学习，获得特征空间的最优子空间，用于计算图像之间的相似性；
S5，输入待辨识的行人图像，计算待辨识的行人图像与图像集中行人图像的相似性，得到辨识结果。
2.根据权利要求1所述的一种最大粒度结构描述符的行人再辨识方法，其特征在于，所述的步骤S1包括以下步骤：
S11，将行人图像的RGB颜色空间变换成HSV颜色空间；
S12，分别在三个通道上，使用Gabor滤波器对HSV颜色空间进行μ种尺度的变换，每个通道得到μ个尺度图像；
S13，分别在三个通道上，对μ个尺度图像两两分组，每组包括2个邻域尺度图像，利用max-pooling算法，获得每组图像中的最大算子的尺度图像，每个通道得到μ/2个尺度图像。
3.根据权利要求2所述的一种最大粒度结构描述符的行人再辨识方法，其特征在于，所述的步骤S12中，同一尺度上的变换具有多个核函数方向，该尺度变换的结果取各核函数方向上的平均值。
4.根据权利要求1所述的一种最大粒度结构描述符的行人再辨识方法，其特征在于，所述的步骤S2包括以下步骤：
S21，获取尺度图像的颜色差分直方图CDH；
S22，提取CDH的描述符并将其视为在子窗口下发生的概率，然后选择在同一水平位置上的所有子窗口的颜色差分直方图的最大值作为提取出来的特征描述符，从而获取行人图像的局部特征。
5.根据权利要求1所述的一种最大粒度结构描述符的行人再辨识方法，其特征在于，所述的步骤S4包括以下步骤：
S41，利用主成分分析法分别对LMCC描述符和LOMO描述符降维；
S42，将LMCC描述符与LOMO描述符融合成多尺度信息；
S43，利用线性判别分析LDA计算投影方向，得到紧凑的特征子空间，即特征空间的最优子空间。