1.一种零样本的暗光环境下行人重识别方法，其特征在于，包括以下步骤：S1、利用暗光图像合成网络将光照良好的图像处理生成光照缺失的暗光图像，光照良好的图像和光照缺失的暗光图像组合得到图像对1、；

S2、将图像对1经过特征编码器提取特征得到特征；

S3、将特征经过反射层转置卷积解码器处理得到解码结果、，且将特征经过重识别网络处理得到重识别结果；

所述反射层转置卷积解码器处理为：首先输入Conv3并通过ReLU激活函数，再将卷积层Conv3的输出结果输入转置卷积层TransConv并通过Sigmoid激活函数；转置卷积层TransConv是一种能够通过学习最优上采样方式的层，通过反向传播优化权重，适应特定的数据特征；

S4、利用Retinex分解网络将图像对1中图像分别分解为反射分量、和光照分量、；

S5、交换图像对1的反射分量，交换后的反射分量再与原先光照分量重新合成得到图像对2；

S6、将图像对2经过特征编码器处理得到特征，特征通过反射层转置卷积解码器进行解码得到解码结果、；

S7、根据图像对1的解码结果及重识别结果和图像对2的解码结果计算损失函数，损失函数包括解码损失、重构损失、反射层损失、三元组损失和交叉熵损失；

损失函数，具体如下：

其中，在中，MSE表示均方误差，SSIM表示结构相似性指数度量；

在中，MAE表示平均绝对误差，分别表示（,）或者（,）； F为重识别结果；

S8、根据损失函数调整重识别网络的网络参数进行优化。

2.根据权利要求1所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S1中得到图像对1（，），具体如下：其中，为光照良好的图像，为光照缺失的暗光图像，DarkISP为暗光图像合成网络；

所述暗光图像合成网络生成光照缺失的暗光图像，具体如下：对光照良好的图像依次进行逆色调映射处理，逆Gamma校正操作，从标准的sRGB颜色空间转换到相机的RGB颜色空间处理，逆白平衡调整，亮度调整，加入噪声处理，再次白平衡调整，从相机的RGB颜色空间转换回标准的sRGB颜色空间，Gamma校正操作，得到具有低光照特性的光照缺失的暗光图像。

3.根据权利要求2所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S2具体如下：其中，Feature Encoder为特征编码器，为图像对1（，），为特征编码器输出的特征。

4.根据权利要求3所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S3具体如下：其中，TransConvRefDecoder为反射层转置卷积解码器，ReIDNet为重识别网络；为图像对1得到的解码结果、；F为重识别结果。

5.根据权利要求4所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述反射层转置卷积解码器处理得到解码结果，具体如下：将编码器编码结果输入Conv3，并通过ReLU激活函数，如下式所示；

其中，Feat为特征编码器输出结果；

将卷积层Conv3的输出结果DF1输入转置卷积层TransConv，并通过Sigmoid激活函数，如下式所示；

其中，为经过解码所得到的解码结果，即反射分量，。

6.根据权利要求4所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S4中利用Retinex分解网络对图像对1分解，图像分解为、，同理，图像分解为、，具体如下：其中，Retinex DecomNet为Retinex分解网络，为带有反射信息的反射分量，为带有照度信息的光照分量；

所述Retinex分解网络进行图像分解，具体如下：对输入图像Img执行最大值通道扩展处理，提取输入图像的最大值通道input_max，将其与原始图像拼接，生成包含更多信息的图像input_img；

对扩展后的图像执行浅层特征提取，通过卷积层net1_conv0获取初步特征；通过多个卷积层与激活函数的组合net1_convs，对初步特征进行深度提取，生成高级特征；

对高级特征进行重构操作，应用卷积层net1_recon将高级特征转换为输出的通道图像；使用sigmoid对输出的通道图像进行归一化处理，以生成反射分量R与光照分量L。

7.根据权利要求6所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S5中得到图像对2（，），具体如下：。

8.根据权利要求7所述的一种零样本的暗光环境下行人重识别方法，其特征在于，所述S6中得到解码结果、，具体如下：其中，为图像对2（，），为特征编码器输出的特征，为图像对2得到的解码结果、。

9.一种应用于权利要求1-8任一所述方法中的零样本的暗光环境下行人重识别系统，其特征在于，包括：暗光图像合成网络，用于生成光照缺失的暗光图像；

特征编码器，包括两个卷积层，用于对图像特征进行编码；

反射层转置卷积解码器，用于对编码特征进行解码；

Retinex分解网络，用于将图像对分解为光照分量和反射分量；

行人重识别网络，为以VGG16网络为骨干的重识别网络，用于获取图像中行人重识别结果。