في هذا البحث، نتناول مهمة صعبة ومعقدة ولكنها حاسمة: التعرف على الأشخاص على المدى الطويل دون إشراف مع تغيير الملابس. الطرق الحالية للتعرف على الأشخاص دون إشراف مصممة بشكل أساسي للسيناريوهات قصيرة المدى وتعتمد عادةً على مؤشرات RGB، مما يجعلها غير قادرة على اكتشاف الأنماط الخصائص المستقلة عن الملابس. لحل هذه العقبة، نقترح طريقة التعلم التبايني بقيادة القالب (SiCL)، وهي مصممة لتعلم الثبات عبر تغيير الملابس من خلال دمج مؤشرات RGB ومعلومات القالب في إطار التعلم التبايني. حسب علمنا، هذه هي أول منصة مخصصة للتعرف على الأشخاص على المدى الطويل دون إشراف مع تغيير الملابس (clothes change \reid{}). نقوم بإجراء تجارب واسعة لتقييم طريقة SiCL المقترحة مقارنة بأحدث الطرق الحالية للتعرف على الأشخاص دون إشراف في جميع المجموعات النموذجية. تظهر نتائج التجارب أن طريقة SiCL المقترحة تتفوق بشكل كبير على باقي الطرق الحالية للتعرف على الأشخاص دون إشراف.