本发明公开了一种基于不变性约束对比学习的无监督行人再识别方法，获取伪标签的同类特征的表征特征，作为质心特征，基于质心特征和查询特征之间的相似矩阵，在相机不变性相似矩阵中，将使用同一聚类内被不同相机捕获的样本作为正样本；对于中心不变性相似矩阵和实例不变性相似矩阵；结合中心不变性损失、实例不变性损失和相机不变性损失来计算行人图像的对比度损失；构建ResNet网络的不变性约束对比度的总损失，总损失函数对ResNet网络进行多轮训练，每一轮训练过程中对无标签数据集重新进行分层。中心不变性和实例不变性可以缓解噪声样本的负面影响，而相机不变性通过利用相机感知分类策略提高了判别性。提高了从数据集中未标记数据中学习表征的性能。