[发明专利]一种基于retinex算法和卷积神经网络的行人再识别方法

摘要

本发明公开了一种基于retinex算法和卷积神经网络的行人再识别方法，首先提取视频数据库中的视频帧序列，构建卷积神经网络并训练出行人网络模型，利用训练好的网络模型将行人从视频帧序列中检测出来，用retinex算法将检测出的行人进行图像增强，最后将增强后的行人输入卷积神经网络中提取行人不同层次的深度特征，通过卷积神经网络最后一层的softmax分类器进行分类，得到最终匹配相似度。本发明充分考虑了现实场景中光照变化，阴影覆盖等问题，在识别之前引入retinex增强算法，模仿人类视觉系统，使图像更接近于人眼所看到的样子，有效地提高了识别效果。采用端到端的行人再识别方法，用同一个卷积神经网络将行人检测与行人识别结合在一起，解决了行人标签的对齐问题。

主权项

一种基于retinex算法和卷积神经网络的行人再识别方法，其特征在于，具体包括以下步骤：步骤101，采集视频图像，截取视频帧；步骤102，训练CNN网络模型，进行行人的检测；步骤103，利用retinex算法对检测出的行人包围框进行图像增强，对图像的Intensity数据进行Retinex处理，然后再把数据根据原始的RGB的比例映射到每个通道，最大程度地减少光照和行人表面反射光的影响；步骤104，提取卷积特征，经过多次卷积和降采样，提取fc6层的特征；步骤105，将从两台摄像机得到的行人特征进行特征匹配，并得出识别率。