[发明专利]一种基于轻量化卷积神经网络的行人重识别方法

权利要求书

1.一种基于轻量化卷积神经网络的行人重识别方法，其特征在于,包括以下步骤：

步骤S1:从大型公用数据集中提取取行人重识别数据集；

步骤S2:采用中值滤波的方法对人重识别数据集进行图像平滑的预处理操作，得到预处理后的数据集；

步骤S3:将预处理后的数据集，采用灰度拉伸的图像增强的算法进行处理，得到增强后的数据集；

步骤S4:根据得到的增强后的数据集训练轻量化卷积神经网络，得到训练好的轻量化卷积神经网络模型；

步骤S5:将目标人物的图片和待识别匹配的行人图像分别输入训练好的轻量化卷积神经网络模型中，判断待识别匹配的行人是否为目标人物。

2.根据权利要求1所述的一种基于轻量化卷积神经网络的行人重识别方法，其特征在于：所述大型公用数据集包括PRW,CAMPUS,Market-1501，VIPeR，CUHK03。

3.根据权利要求1所述的一种基于轻量化卷积神经网络的行人重识别方法，其特征在于：所述中值滤波的方法具体为:

步骤S21:将模板在图中漫游，并将模板中心与途中像素位置重合；

步骤S22:读取模板下各对应像素的灰度值，并将这些灰度值从小到大排成一列；

步骤S23:找出这些值里排在中间的一个，将这个中间值赋给对应模板中心位置的图像。

4.根据权利要求1所述的一种基于轻量化卷积神经网络的行人重识别方法，其特征在于：所述灰度拉伸的图像增强的算法具体为：灰度拉伸采用最简单的分段线性变换函数：灰度变换函数的运算结果是将原图在a和b之间的灰度值拉伸到c和d之间，假设在二维坐标系中，a的坐标为(x₁，0),b的坐标为(x₂，0),c的坐标为(0，y₁),d的坐标为(0,y₂),(x，0)为横坐标上的任意一个点，(y，0)为(x，0)进行灰度变换后的位置，则其函数关系为：

x≤x₁，y＝y₁÷x₁×x

x₁＜x＜x₂，y＝(y₂-y₁)÷(x₂-x₁)×(x-x₁)+y₁

x≥x₂，y＝(255-y₂)÷(255-x₂)×(x-x₂)+y₂

若一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩物体灰度区间以改善图像质量。