Diese Arbeit trägt einen neuen hochwertigen Datensatz für die Personenre-Identifikation namens „Market-1501“ bei. Aktuelle Datensätze weisen generell drei Einschränkungen auf: 1) Sie sind begrenzt in ihrer Skalierung; 2) Sie bestehen aus manuell gezeichneten Bounding Boxes, die in realistischen Szenarien nicht verfügbar sind; 3) Sie verfügen für jede Identität nur über ein einziges Ground-Truth-Bild und ein einziges Query-Bild (enges Umfeld). Um diese Probleme anzugehen, zeichnet sich der vorgeschlagene Market-1501-Datensatz in drei Aspekten aus. Erstens enthält er über 32.000 annotierte Bounding Boxes sowie eine Distraktor-Menge mit über 500.000 Bildern, wodurch er bislang der größte Datensatz für Personenre-Identifikation ist. Zweitens wurden die Bilder im Market-1501-Datensatz mittels des Deformable Part Model (DPM) als Fußgänger-Detektor generiert. Drittens wurde der Datensatz in einer offenen Umgebung gesammelt, wobei jede Identität unter jeder Kamera mehrere Bilder aufweist. Als geringfügiger Beitrag schlägt diese Arbeit basierend auf jüngsten Fortschritten im Bereich der großen Skalen-Bildsuche einen unsupervisierten Bag-of-Words-Deskriptor vor. Wir betrachten die Personenre-Identifikation als eine spezielle Aufgabe der Bildsuche. In Experimenten zeigen wir, dass der vorgeschlagene Deskriptor auf den Datensätzen VIPeR, CUHK03 und Market-1501 konkurrenzfähige Genauigkeit erzielt und skalierbar auf dem großen 500k-Datensatz ist.