La reidentificación de personas (ReID) se refiere a la tarea de recuperar personas objetivo de bibliotecas de imágenes capturadas por varias cámaras distintas. A lo largo de los años, la ReID ha producido resultados favorables de reconocimiento bajo condiciones típicas de luz visible, pero aún existe un considerable margen de mejora en condiciones desafiantes. Los desafíos y brechas de investigación incluyen lo siguiente: fusión de datos multimodales, aprendizaje semi-supervisado y no supervisado, adaptación de dominio, ReID en el espacio 3D, ReID rápido, aprendizaje descentralizado y sistemas de extremo a extremo. Los principales problemas a resolver, que son el problema de oclusión, problema de punto de vista, problema de iluminación, problema de fondo, problema de resolución, problema de apertura, etc., siguen siendo desafíos. Por primera vez, este documento utiliza la ReID de personas en escenarios especiales como base para la clasificación con el fin de categorizar y analizar la investigación relacionada en los últimos años. Partiendo de las perspectivas de los métodos de ReID de personas y las direcciones de investigación, exploramos el estado actual de la investigación en escenarios especiales. Además, este trabajo realiza una comparación experimental detallada de los métodos de ReID de personas que emplean el aprendizaje profundo, abarcando tanto el desarrollo del sistema como las metodologías comparativas. Además, ofrecemos un análisis prospectivo de los enfoques de investigación futuros en ReID de personas y abordamos preocupaciones no resueltas dentro del campo.