[发明专利]一种基于随机线性插值的行人再识别数据增强方法

摘要

本发明公开了一种基于随机线性插值的行人再识别数据增强方法，采用随机线性插值方法用以增加原始行人再识别数据集中的样本数量，并且利用了大量的具有不同遮挡等级的行人图像样本，以获得数据集中更加丰富的行人数据分布信息。然后，通过使用基准的深度学习网络模型对增强后的数据集进行学习，提升了模型的泛化能力，降低行人再识别的Rank‑1匹配的误差。

主权项

1.一种基于随机线性插值的行人再识别数据增强方法，其特征在于，包括以下步骤：步骤1，通过监控系统捉视角不交叉的不同相机下同一个行人的照片，再将不同行人照片中行人图像分别截取出来，构成该行人的图像数据集；利用不同行人的图像数据集构建行人再识别数据集，并将其划分为训练集和测试集；步骤2，初始化随机线性插值的插值强度参数，设置训练集中需要被增强的样本比例，将待增强的样本与训练集中的随机一个样本进行插值操作，生成新的样本，然后对待增强的样本进行重新标记；步骤3，将生成的新的样本和训练集中的样本混合作为输入层，使用卷积神经网络模型进行训练，设定训练代数，当模型的损失函数收敛或者达到训练代数，则进行步骤4，否则更新步骤3；步骤4，步骤3中训练好的模型获得了不同相机拍摄的照片中行人图像的映射关系，利用训练好的模型对测试集中的行人图像进行匹配预测，得到识别的结果。