跨多摄像头视图匹配行人（即行人重识别）是一个具有众多视觉监控应用的挑战性研究问题。随着卷积神经网络（CNNs）的复兴，已经提出了几种端到端的深度Siamese CNN架构，用于行人重识别，其目标是将相似对（即同一身份）的图像投影得更接近，而将不相似对的图像投影得更远。然而，当前的网络为每张图像提取固定的表示，而不考虑与其配对的其他图像，并且与其他图像的比较仅在最终层进行。在这种情况下，网络可能无法提取出区分正样本对与难负样本对所必需的细微局部模式。本文中，我们提出了一种门控函数，通过比较图像对之间的中层特征来选择性地强调这些细微的共同局部模式。这使得同一张图像根据与其配对的其他图像产生灵活的表示。我们在CUHK03、Market-1501和VIPeR数据集上进行了实验，并展示了相比基线Siamese CNN架构改进了性能。