1.一种基于贝叶斯优化技术的行人重识别方法，其特征在于，所述方法包括，
步骤s1、应用深度目标检测算法对视频中的行人图像数据集进行检测，得到待提取特征的所有行人图像数据；
步骤s2、对检测到的所有行人图像数据进行深度特征提取，得到视频中行人的所有特征值数据，从而建立检索特征数据库；
步骤s3、输入待查询图片并对该图片进行深度特征提取，得到待检索图像特征值，将所述待检索图像特征值与所述检索特征数据库中的所有特征值进行欧式距离计算并排序，输出排序结果。
2.根据权利要求1所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述步骤s1具体包括，
步骤s11、通过行人相关监控视频采集行人检测原始数据源，其中，所述监控视频以至少5fps保存为图片；
步骤s12、利用深度目标检测算法对原始数据源图片中的每一帧图像进行检测，得到待提取特征的所有行人图像数据。
3.根据权利要求2所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述目标检测算法可以是任何一种基于深度学习的目标检测算法,包括faster-rcnn算法，或者，ssd目标检测算法。
4.根据权利要求1所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述步骤s2具体包括，
步骤s21、构建前向传播的深度卷积神经网络，用如下公式表示：
其中，i指的是输入的图片数据；f0指的是基础深度cnn网络，其包含卷积层和池化层；f1指的是瓶颈网络层，由单个卷积层、批归一化层、非线性激励函数层和dropout层组成；fc指的是最后具有c个类别的分类层，s指的是最后输出的c维分类概率向量，c为数据集中不同人的个数；
步骤s22、基于深度卷积神经网络、联合损失函数以及贝叶斯优化技术获取最佳网络模型；
步骤s23、加载所述最佳网络模型，去除网络层fc的权重参数，将检测到的行人图像数据输入到该网络模型中进行运算，得到视频中行人的所有特征值数据，从而建立检索特征数据库。
5.根据权利要求4所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述步骤s22具体包括，
步骤s221、构建如下联合损失函数，
式中θ为三元损失函数作用的网络层参数，y为数据真实标签，
其中，三元损失函数
式中，θ为三元损失函数作用的网络层参数，a为基准图片，b为和基准图片为同一个人的图片，n为和基准图片不是同一个人的图片，da，n为基准图片和相同类别图片提取出的特征向量之间的距离；da，b为基准图片和不同类别图片提取出的特征向量之间的距离，m指的是距离之间的边界值；
交叉熵分类损失函数
其中，pk表示一次批量处理的图片数目，yi是第i个图片的类标,f代表由输入图片得到的特征向量,w是特征向量的权重参数；
步骤s222、采用贝叶斯优化训练算法，设定优化参数域，通过迭代方式选取出最优超参数，对选取的最优超参数进行大轮数的常规训练，得到验证集，并根据联合损失函数公式评估出loss函数值，重复训练，得到最佳网络模型。
6.根据权利要求5所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，步骤s3、输入待查询图片并对该图片进行深度特征提取，得到待检索图像特征值，将所述待检索图像特征值与所述检索特征数据库中的所有特征值进行欧式距离计算并排序，输出排序结果，具体为，采用与步骤s2相同的特征提取方式提取出待查询图片的深度特征值，计算待检索图像的特征值与检索特征数据库中的所有深度特征值做欧氏距离，得到一系列的距离值，根据距离值的大小，按照从小到大的顺序进行排序，最后获得行人重识别结果。
7.根据权利要求4所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述基础深度cnn网络采用resnet50网络、densnet201网络或inception网络中的一种。
8.根据权利要求5所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述距离之间的边界值m取0.3。
9.根据权利要求5所述的基于贝叶斯优化技术的行人重识别方法，其特征在于，所述大轮数为300次。
10.一种基于贝叶斯优化技术的行人重识别装置，其特征在于，所述装置包括，
检测模块，用于应用深度目标检测算法对视频中的行人图像数据集进行检测，得到待提取特征的所有行人图像数据；
提取模块，用于对检测到的所有行人图像数据进行深度特征提取，得到视频中行人的所有特征值数据，从而建立检索特征数据库；
处理模块，用于输入待查询图片并对该图片进行深度特征提取，得到待检索图像特征值，将所述待检索图像特征值与所述检索特征数据库中的所有特征值进行欧式距离计算并排序，输出排序结果。
11.一种基于贝叶斯优化技术的行人重识别系统，其特征在于，所系统包括，存储器，存储可执行指令；一个或多个处理器与存储器通信以执行可执行指令从而完成以下操作：
应用深度目标检测算法对视频中的行人图像数据集进行检测，得到待提取特征的所有行人图像数据；
对检测到的所有行人图像数据进行深度特征提取，得到视频中行人的所有特征值数据，从而建立检索特征数据库；
输入待查询图片并对该图片进行深度特征提取，得到待检索图像特征值，将所述待检索图像特征值与所述检索特征数据库中的所有特征值进行欧式距离计算并排序，输出排序结果。