1.一种行人再识别系统中防御图像噪声攻击的方法，其特征在于，包括以下步骤：步骤1：准备正常图像样本集：

正常图像样本集是未经过任何操作直接采集得到的正常图片，准备正常图像样本集时，可使用已公开数据集Market‑1501、CUHK03、DukeMTMC‑reID，或进行自行拍摄数据集作为正常图像样本集X＝{x1，x2，...，xk}；

步骤2：构造行人再识别模型；

正常数据集为X＝{x1，x2，...，xk}，使用大多数的基线Re‑ID模型构造行人再识别模型，可利用三重损失训练行人再识别模型；

在给定探测图像集 一个图库图像集 一个训练图像集和包含每个图像标识的标签L；

步骤3：使用正常图像样本集，分别利用不同的对抗攻击方法生成对抗图像样本集：使用准备好的正常图像样本集X＝{x1，x2，...，xk}，利用对抗攻击算法生成对抗噪声扰动攻击的对抗样本X1＝{x′1，x′2，...，x′k}；

步骤4：将所有图像样本分为训练图像样本集和测试图像样本集；

融合所有对抗样本及正常图像样本构成图像样本集X′＝{X，X1}，将图像样本集分为训练样本集X′m和测试样本集X′n；

步骤5：将训练图像样本通过构造的行人再识别模型完成模型训练；

输入训练图像样本X′m；训练图像样本代表实际应用中需要识别的图像库，其中包含正常图像及对抗图像；

步骤6：在测试样本集上进行行人图像识别，检验行人图像识别效果；

将测试样本集X′n输入到步骤5中训练完成后的模型进行行人图像识别，检验行人图像识别效果。

2.根据权利要求1所述的行人再识别系统中防御图像噪声攻击的方法，其特征在于，所述行人再识别模型的具体包括以下步骤：S10、通过对L和Y增加损失函数来训练参数为Θ的特征提取器F；

S20、分别提取P和X的中间层的激活作为他们的视觉特征F(M，Θ)和F(W，Θ)；

S30、计算F(M，Θ)和F(W，Θ)之间的成对距离用于索引和排序。