Les benchmarks et les méthodes existantes de réidentification des personnes se concentrent principalement sur l'appariement d'images piétonnes recadrées entre les requêtes et les candidats. Cependant, cela diffère des scénarios réels où les annotations des boîtes englobantes des piétons ne sont pas disponibles et où la personne cible doit être recherchée dans une galerie d'images de scènes entières. Pour combler cet écart, nous proposons un nouveau cadre d'apprentissage profond pour la recherche de personnes. Au lieu de le diviser en deux tâches distinctes – détection de piétons et réidentification de personnes – nous traitons simultanément ces deux aspects au sein d'un seul réseau neuronal convolutif. Nous introduisons une fonction de perte d'appariement d'instances en ligne (OIM) pour entraîner efficacement le réseau, qui est adaptable aux jeux de données comportant un grand nombre d'identités. Pour valider notre approche, nous avons collecté et annoté un jeu de données benchmark à grande échelle pour la recherche de personnes. Il contient 18 184 images, 8 432 identités et 96 143 boîtes englobantes de piétons. Les expériences montrent que notre cadre surpasse les autres approches séparées, et que la fonction de perte OIM proposée converge beaucoup plus rapidement et mieux que la fonction de perte Softmax conventionnelle.