本发明涉及一种基于低秩先验引导的域不变信息分离的行人重识别方法，属于计算机视觉领域。将域不变信息嵌入到字典学习框架内，构建了跨数据集无监督行人再识别的判别字典学习模型。根据风格信息的低秩先验性，该模型能将混叠在行人图像特征中的域信息和反映行人特征的域不变信息分离开来；同时，鉴于行人属性所具有的域不变性，将属性作为域之间的纽带，用于构建源数据集与目标数据集之间的关系，缩小两者之间的域偏移。最后，通过一种自训练策略来微调之前学习的参数。实验表明，本方法在很多数据集上接近甚至超过了有监督非深度学习以及基于深度学习的无监督域自适应行人重识别的性能。