[发明专利]一种用于行人重识别的数据增强方法及系统

权利要求书

1.一种用于行人重识别的数据增强方法，其特征在于，包括以下步骤：

S1.创建图像预设模板；

S2.输入图像，并根据Openpose提取图像中的人体关键点；

S3.根据图像预设模板与人体关键点对图像肢体部位进行拆分，得到十张肢体部分子图；

S4.对十张肢体部分子图进行处理，并将处理后的十张肢体部分子图与输入的图像送入神经网络进行训练，分别提取其特征，得到十一张特征图；

S5.将十一张特征图进行Pooling压缩后，做concatenate，连接为一个长向量；该长向量通过FC层计算权重，得到最后的特征向量；其中，所述神经网络的训练过程为：在每一轮训练中，将输入的图像送入神经网络进行训练，将处理后的十张肢体部分子图进行肢体部位随机丢弃，且每一张图都丢弃相同肢体部位的人体图像；所述步骤S3具体包括以下子步骤：

S301.根据人体关键点对人体拆分为：头、躯干、左上臂、左下臂、右上臂、右下臂、左大腿、左小腿、右大腿，右小腿10部分，并得到相应肢体部位的拆分字典；

S302.根据每个肢体部位的拆分字典选择两个点作为参考点，得到参考点字典；

S303.计算两个参考点之间的间距和宽，得到肢体部位的矩形模板，并将矩形模板进行变换，计算矩形模板坐标；

S304.通过OpenCV的仿射变换将人像上的变换后的矩形模板填充到图像中，得到拆分的肢体部分子图。

2.根据权利要求1所述的一种用于行人重识别的数据增强方法，其特征在于，所述图像预设模板包括4个矩形块模板，包括：上臂下臂模板、大腿小腿模板、头部模板和躯干模板。

3.根据权利要求1所述的一种用于行人重识别的数据增强方法，其特征在于，所述步骤S303具体包括以下子步骤：

S3031.以图像左上点为原点建立坐标轴，向右方为x轴，向下方为y轴；选择某一肢体部位的参考点字典，则参考点A坐标为A：(x₁，y₁)，参考点B坐标为B：(x₂，y₂)；

S3032.计算两点之间间距，具体计算公式如下：

S3033.计算线段AB的斜率，具体计算公式如下：

S3034.计算线段AB与h的比例，所述h为表示矩形模板的高，具体计算公式如下：

S3035.等比例变换下，计算变换后的矩形模板的宽，具体计算公式如下：

其中，所述w表示矩形模板的宽；

S3036.根据斜边长d(A，B)和斜率k_A，B，计算变换后的矩形模板CDEF的坐标；

其中，a表示x₁和x₂变换的距离；

其中，β表示y₁和y₂变换的距离；

则矩形模板CDEF的坐标如下：

C点坐标：C：(x₁+α，y₁-β)；

D点坐标：D：(x₁-α，y₁+β)；

E点坐标：E：(x₂-α，y₂+β)；

F点坐标：F：(x₂+α，y₂-β)。

4.根据权利要求1所述的一种用于行人重识别的数据增强方法，其特征在于，所述对十张肢体部分子图进行处理具体为：通过随机数生成器生成一个长度为10的二进制向量，所述二进制向量中只有一个数是0，其余都是1；并将10张子图与二进制向量对应位做乘法，得到处理后的肢体部分子图。