Los humanos siempre identifican a las personas a través de sus características, atributos destacados y la ubicación de estos atributos en el cuerpo. La mayoría de los métodos de reidentificación de personas se centran en características globales y locales correspondientes a las dos primeras discriminaciones, recortando imágenes de personas en tiras horizontales para obtener ubicaciones aproximadas de las partes del cuerpo. Sin embargo, no se pueden descubrir pistas discriminativas correspondientes a las diferencias de ubicación, por lo que las personas con apariencias similares a menudo se confunden debido a sus componentes similares. Para abordar el problema anterior, introducimos posiciones relativas píxel a píxel para la invarianza de sus orientaciones en cambios de perspectiva. Para hacer frente al cambio de escala de la posición relativa, combinamos posiciones relativas con módulos de autoatención que operan en características de múltiples niveles. Además, en la etapa de aumento de datos, las imágenes reflejadas reciben nuevas etiquetas debido a la conversión de la posición relativa a lo largo de una orientación horizontal y al cambio en la quiralidad visual. Experimentos extensos en cuatro benchmarks desafiantes demuestran que el enfoque propuesto muestra su superioridad y efectividad en descubrir características discriminantes.