معظم طرق إعادة تعريف الشخص (إعادة التعرف) الحالية تعتمد على تعلم نماذج مراقبة باستخدام بيانات تدريب ثنائية تم تصنيفها يدويًا لكل زوج من الكاميرات. هذا يؤدي إلى قابلية توسع ضعيفة في تنفيذ عملي لإعادة التعرف، بسبب عدم وجود تصنيف شامل للهويات للأزواج الإيجابية والسلبية من الصور لكل زوج من الكاميرات. في هذا البحث، نقدم نهجًا عميقًا لتعلم الآلة بدون إشراف لإعادة التعرف. يتميز هذا النهج بقدرته على اكتشاف واستغلال المعلومات المميزة لإعادة التعرف تدريجيًا من بيانات المسارات الشخصية التي تم إنشاؤها تلقائيًا بشكل كامل. نصيغ إطار عمل لتعلم ربط المسارات بدون إشراف (UTAL). يتم ذلك من خلال تعلم تمييز المسارات داخل الكاميرا وربط المسارات بين الكاميرات معًا بهدف تحقيق أقصى استفادة من اكتشاف مطابقة هوية المسارات داخل وعبر آراء الكاميرات. أظهرت التجارب الواسعة تفوق النموذج المقترح على أفضل طرق التعلم بدون إشراف والتكييف النمطي لإعادة تعريف الشخص في ثماني مجموعات بيانات مرجعية.