在将人员重识别（re-ID）视为检索过程时，重新排序是一个关键步骤，用于提高其准确性。然而，在人员重识别领域，对重新排序的研究投入相对有限，尤其是那些完全自动、无监督的解决方案。本文提出了一种k-互近邻编码方法来重新排序re-ID结果。我们的假设是，如果画廊图像在其k-互近邻中与查询图像相似，则它更有可能是真正的匹配项。具体而言，给定一张图像，通过将其k-互近邻编码为一个单一向量来计算其k-互近邻特征，该向量在Jaccard距离下用于重新排序。最终的距离是原始距离和Jaccard距离的组合。我们的重新排序方法不需要任何人工干预或标记数据，因此适用于大规模数据集。在大规模Market-1501、CUHK03、MARS和PRW数据集上的实验验证了我们方法的有效性。