人物再識別（person re-identification, 以下、re-id）は、異なるカメラ、姿勢、照明条件など、視覚的な外観を変える多様な要因から同一人物の複数の出現をマッチングするタスクである。通常、この課題は、ペアワイズラベル付き訓練データセットによって特定されるカメラ視点のペアに適応した最適な特徴量またはマッチングメトリクスを学習することで達成される。本研究では、任意のカメラ視点に対して新しい未見のシーンにも対応可能なドメイン認識（適応）型人物再識別（カメラ視点ごとの学習ではなく）のための自動プロトタイプドメイン発見に基づく深層学習手法を提案する。我々は各プロトタイプドメインに対して個別のre-idモデルを学習し、モデル展開時に人物探査画像を使用して最も近いプロトタイプドメインのモデルを選択する。本手法は監督ありもしくは監督なしドメイン適応学習を必要とせず、つまり目標ドメインからのデータが利用可能でない場合でも適用可能である。我々は低解像度や部分的に被遮蔽された自動検出バウンディングボックスを使用し、現実的なre-id条件下でモデルを広範に評価した。結果として、最新のCUHK-SYSUおよびPRWベンチマークにおいて、本手法が多くの最先端の監督ありおよび監督なし方法よりも優れていることを示した。