De nombreuses méthodes précédentes pour les tâches de recherche de personnes basées sur le texte se sont consacrées à l'apprentissage d'une carte d'espace commun latent, dans le but d'extraire des caractéristiques invariantes aux modalités à partir des données visuelles et textuelles. Cependant, en raison de la complexité des données de grande dimension, les paradigmes de cartographie non contrainte ne parviennent pas à capturer correctement les indices discriminants concernant la personne correspondante tout en éliminant les informations mal alignées. Intuitivement, les informations contenues dans les données visuelles peuvent être divisées en informations sur la personne (IP) et informations sur l'environnement (IE), qui sont mutuellement exclusives. Pour ce faire, nous proposons dans cet article un nouveau modèle d'Apprentissage Profond de Séparation Environnement-Personne (APSEP) afin d'extraire et de faire correspondre efficacement les informations sur la personne, et ainsi atteindre une précision de recherche supérieure. Un mécanisme de séparation et de fusion environnement-personne joue un rôle clé pour réaliser une séparation précise et efficace entre l'environnement et la personne sous une contrainte d'exclusivité mutuelle. Afin d'utiliser adéquatement les informations multi-modales et multi-granulaires pour une meilleure précision de recherche, cinq paradigmes d'alignement diversifiés sont adoptés. De nombreuses expériences ont été menées pour évaluer l'APSEP proposé sur CUHK-PEDES, qui est actuellement le seul jeu de données accessible pour la tâche de recherche de personnes basée sur le texte. L'APSEP obtient des performances state-of-the-art sur CUHK-PEDES. Pour évaluer correctement notre APSEP dans des scénarios réels, un jeu de données Real Scenarios Text-based Person Reidentification (RSTPReid) a été construit afin de favoriser les futures recherches en matière de recherche de personnes basée sur le texte, qui sera rendu publiquement disponible.注释：- "Deep Surroundings-person Separation Learning" 被翻译为 "Apprentissage Profond de Séparation Environnement-Personne" (APSEP)，以保持专业性和可读性。- "CUHK-PEDES" 保留了原始缩写，因为这是特定数据集的名称。- "Real Scenarios Text-based Person Reidentification" 被翻译为 "Real Scenarios Text-based Person Reidentification (RSTPReid)"，并在括号中标注了原始缩写。