الصعوبة الأساسية في إعادة تحديد الهوية الشخصية (ReID) تكمن في تعلم التوافق بين الكاميرات الفردية. هذا يتطلب بشدة التوقيعات الباهظة الثمن بين الكاميرات، ومع ذلك لا يُضمن أن النماذج المدربة ستنتقل بشكل جيد إلى الكاميرات غير المعروفة سابقًا. هذه المشاكل تحد بشكل كبير من تطبيقات ReID. يعيد هذا البحث النظر في آلية عمل الطرق التقليدية لإعادة تحديد الهوية الشخصية ويقترح حلًا جديدًا. باستخدام مشغل فعال يُسمى التطبيع الدفعة القائم على الكاميرا (CBN)، نجبر بيانات الصور من جميع الكاميرات على السقوط في نفس الفضاء الجزئي، بحيث يتم تقليص الفجوة التوزيعية بين أي زوج من الكاميرات بشكل كبير. يجلب هذا التناسق فائدتين رئيسيتين. أولاً، يتمتع النموذج المدرب بقدرات أفضل للتعميم عبر السيناريوهات التي تحتوي على كاميرات غير معروفة وكذلك الانتقال عبر مجموعات تدريب متعددة. ثانياً، يمكننا الاعتماد على التوقيعات داخل الكاميرا، والتي كانت مهملة سابقًا بسبب نقص المعلومات عبر الكاميرات، لتحقيق أداء تنافسي في ReID. تُظهر التجارب على مجموعة واسعة من مهام إعادة تحديد الهوية الشخصية فعالية نهجنا. الرمز متاح على الرابط https://github.com/automan000/Camera-based-Person-ReID.