一种基于模拟增广与原型学习的全时段多模态行人重识别方法

本发明公开一种基于模拟增广与原型学习的全时段多模态行人重识别方法，利用光照模拟增广模块与多模态原型学习设计多分支网络，用来提高在各种多变光照场景下多模态行人重识别模型的精度；利用数据增广与原型学习的思想，结合子空间特征约束，对易受光照变化的模态图像进行增广、进行原型与实例特征的交互，从而模型对光照变化的鲁棒性。本发明通过训练一个光照模拟增广模块来生成多种光照条件下的训练数据，并设计多模态原型进行特征学习与交互，并且可以应付可能存在的缺失情况，也能使模型能对同一行人进行稳定的重识别。本发明在全时段多模态行人重识别数据集上取得了较好的效果。