تكمن التكلفة العالية للتصنيف التفصيلي والبيانات الغنية ولكن غير المُسَمَّاة المحتوية في الفيديوهات في تحفيزنا على اقتراح طريقة غير مُسَمَّاة لتحديد الهوية الشخصية بناءً على الفيديو (re-ID). نبدأ من فرضيتين: 1) تُحتوي المسارات المختلفة في الفيديو عادةً على أشخاص مختلفين، بالنظر إلى أن هذه المسارات تم التقاطها في أماكن مختلفة أو بفواصل زمنية طويلة؛ 2) ضمن كل مسار، تكون الإطارات مأخوذة عادةً من نفس الشخص. استنادًا إلى هاتين الفرضيتين، تقدم هذه الورقة نهجًا تدريجيًا لتحسين المقياس لتقدير هويات المسارات التدريبية، حيث يتم التكرار بين ربط المسارات عبر الكاميرات المختلفة وتعلم الميزات. وبشكل محدد، نستخدم كل مسار تدريبي كاستعلام، ونُجري عملية استرجاع ضمن مجموعة التدريب الموزعة عبر الكاميرات. تعتمد طريقة العمل لدينا على بحث الجيران الأقرب المتبادل، والتي تمكن من التخلص من التوقيعات السلبية الصعبة، أي الجيران الأقرب عبر الكاميرات للتوقيعات الخاطئة في قائمة الترتيب الأولية. يُعتبر المسار الذي يجتاز اختبار الجيران الأقرب المتبادل أنه يحمل نفس الهوية مثل الاستعلام. أظهرت النتائج التجريبية على مجموعات بيانات PRID 2011 وILIDS-VID وMARS أن الطريقة المقترحة تحقق دقة في تحديد الهوية تنافسية جدًا مقارنةً بطرق التعلم المُسَمَّاة المماثلة.