1.一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：基于各拍摄角度分别所对应包含各已知身份标签目标人物的各幅样本图像的源域样本集si，结合包含各目标人物、但未知对应身份标签的各幅样本图像的目标域样本集t，执行如下步骤a至步骤b，获得关于各目标人物的目标人物识别模型；然后应用目标人物识别模型，执行如下步骤c，针对待分析人物图像，实现关于目标人物的识别；1≤i≤i，i表示的拍摄角度的数量，si表示第i个拍摄角度对应的源域样本集；
2.根据权利要求1所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤a中，所述待训练模型包括特征提取器、广义均值池化模块gem、多域信息融合模块、目标域特定归一化层dsbn_t、目标混合记忆存储器hm_t；
3.根据权利要求2所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤b中，基于待训练模型与多源域对比损失模块lhm、以及各源域样本集si分别对应的源域特定归一化层dsbn_si与源混合记忆存储器hm_si的组合结构如下，根据各源域样本集si、以及目标域样本集t，针对待训练模型进行训练，获得关于各目标人物的目标人物识别模型；
4.根据权利要求3所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤b中，根据各源域样本集si、以及目标域样本集t，按如下数据处理方式，针对待训练模型进行训练，获得关于各目标人物的目标人物识别模型；
5.根据权利要求4所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤i中，分别针对各源域样本集si、以及目标域样本集t，首先依次经过第一层残差网络l0、第二层残差网络l1进行特征提取，获得各源域样本集si分别对应的特征矩阵si′、以及目标域样本集t对应的特征矩阵t′，并输送至第一精准特征分布匹配模块efdm1进行处理；
6.根据权利要求4所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤iii由多域信息融合模块执行如下步骤：
7.根据权利要求4所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤vi中，针对特征矩阵各特征矩阵各源域身份标签以及目标域样本集t所有未聚类目标域实例特征矩阵和目标域聚类伪标签应用多源域对比损失模块lhm，按如下公式(9)，进行损失计算；
8.根据权利要求2所述一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，其特征在于：所述步骤c中，由目标人物识别模型接收待分析人物图像，依次经特征提取器、广义均值池化模块gem、多域信息融合模块、目标域特定归一化层dsbn_t、目标混合记忆存储器hm_t进行处理，获得待分析人物图像所对应目标域聚类伪标签，即获得待分析人物图像关于目标人物的身份标签识别结果。