التعرف على الأشخاص مع تغيير الملابس (CC-ReID) يهدف إلى مطابقة نفس الشخص في مواقع مختلفة على مدى فترات طويلة، مثل الأيام، وبالتالي يواجه تحديًا لا مفر منه وهو تغيير الملابس. في هذا البحث، نركز على التعامل بشكل فعال مع مشكلة CC-ReID في بيئة أكثر تحديًا، أي من صورة واحدة فقط، مما يمكن من التعرف على المشاة بكفاءة عالية وخالية من التأخير لتطبيقات المراقبة الفورية. بالتحديد، نقدم التعرف على الخطوة كمهمة مساعدة لتحفيز نموذج التعرف على الصور (Image ReID) على تعلم تمثيلات مستقلة عن الملابس من خلال استغلال المعلومات الخاصة بالخطوة التي تكون فريدة لكل شخص ومستقلة عن الملابس، وقد أطلقنا على هذا الإطار اسم GI-ReID. يتبنى GI-ReID هندسة ذات مسارين تتكون من مسار التعرف على الصور (ReID-Stream) ومسار التعرف المساعد على الخطوة (Gait-Stream). يعمل المسار Gait-Stream، الذي يتم إهماله أثناء الاستدلال لتحقيق كفاءة حسابية عالية، كمنظم لتحفيز المسار ReID-Stream على التقاط خصائص الحركة البيومترية المستقرة للملابس أثناء التدريب. للحصول على مؤشرات حركية متصلة زمنيًا من صورة واحدة، قمنا بتصميم وحدة تنبؤ تسلسل الخطوات (GSP) للمسار Gait-Stream لتثري المعلومات المتعلقة بالخطوة. أخيرًا، يتم فرض توافق سémانتيكي عالي المستوى بين المسارين لتحقيق تنظيم فعّال للمعرفة. أظهرت التجارب على عدة مقاييس أساسية للتعرف على الأشخاص مع تغيير الملابس المعتمدة على الصور، مثل LTCC و PRCC و Real28 و VC-Clothes، أن GI-ReID يؤدي بشكل أفضل من أفضل النماذج الحالية. الرموز البرمجية متاحة في https://github.com/jinx-USTC/GI-ReID.注：在“توافق سémانتيكي”中，“semantiki”是阿拉伯语中的一个拼写错误，正确的拼写应该是“سيمانتيكي”。因此，正确的句子应该是："أخيرًا، يتم فرض توافق سيمانتيكي عالي المستوى بين المسارين لتحقيق تنظيم فعّال للمعرفة."