行人重识别是一项极具挑战性的任务，主要由于存在多种复杂因素的影响。近年来的研究尝试融合人体解析结果或外部定义的属性，以帮助捕捉人体部件或重要目标区域。然而，仍存在大量未被预定义人体部件或属性涵盖的有用上下文线索。本文通过同时利用精确的人体部件与粗粒度的非人体部件，弥补了这些被忽略的上下文信息。在实现上，我们采用人体解析模型提取二值化的人体部件掩码，并结合自注意力机制捕捉软性的潜在（非人体）部件掩码。实验结果表明，所提出的方法在三个具有挑战性的基准数据集——Market-1501、DukeMTMC-reID 和 CUHK03 上均取得了新的最先进性能。相关代码已开源，地址为：https://github.com/ggjy/P2Net.pytorch。