人物搜索涉及从未裁剪的图像中获取人物的位置和身份信息，通常依赖于物体检测来获取位置信息。与采用传统检测器的人员搜索相比，基于DETR的人员搜索避免了后处理的问题，实现了端到端的框架。然而，采用DETR作为检测器也给人员搜索带来了一些问题。首先，一对一匹配方法导致缺乏用于人搜索训练的阳性样本数量。由于阳性样本数量不足，阳性样本的质量极大地影响了重新识别子任务。因此，本文提出了一种用于基于DETR的人员搜索的混合采样匹配网络（HSMnet），以确保阳性样本的数量和质量。具体来说，在没有手动设计组件的情况下，本文设计了一种混合匹配方法，该方法利用一对一和一对多匹配方法来增加阳性样本的数量。此外，与传统检测相比，获得的阳性样本数量仍有待提高，因此阳性样本的质量仍对重新鉴定有重大影响。本文分别从定位和重新识别的角度设计了一种混合查询选择和一种混合采样解码器，以减少特征采样引起的误差。本文提出的框架在CUHK-SYSU和PRW数据集上实现了94.6%和53.6%的mAP，证明了其有效性。