본 논문은 고차원 특징 융합(HDFF)을 이용한 사람 재식별(PRe-ID) 방법을 제안한다. CNN과 LOMO라는 두 가지 강력한 특징을 차원이 다른 다차원 데이터 상에서 새로운 텐서 융합 기법을 통해 단일 텐서로 결합한다. 다차원 공간 학습을 위해 텐서 교차-뷰 이차 분석(TXQDA)을 사용하여 고차원 텐서 데이터의 고차원성을 줄이고 효율적인 학습을 가능하게 하며, 코사인 유사도를 이용하여 매칭한다. VIPeR, GRID, PRID450S 세 가지 데이터셋을 이용한 실험 결과, 제안된 방법이 최첨단 기법들을 능가하는 성능을 보임을 확인하였다.