本文探讨了人员重识别（re-ID）任务中的一个现实问题，即部分重识别。在部分重识别场景下，图像可能只包含行人的部分视图。如果直接将部分行人的图像与整体图像进行比较，极端的空间错位会显著削弱所学表示的区分能力。为此，我们提出了一种可见性感知部件模型（Visibility-aware Part Model, VPM），该模型通过自监督学习来感知区域的可见性。这种可见性感知使得VPM能够提取区域级特征，并专注于两个图像中共享的可见区域进行比较。VPM在提高部分重识别准确性方面具有双重优势。一方面，与学习全局特征相比，VPM学习区域级特征并从中受益于细粒度信息；另一方面，通过可见性感知，VPM能够估计两个图像之间的共享区域，从而抑制空间错位的影响。实验结果证实，我们的方法显著提升了所学表示的质量，并且所达到的准确性与当前最先进的方法相当。