一种基于置信度筛选与样本扩展的无监督行人重识别方法

本发明提供一种基于置信度筛选与样本扩展的无监督行人重识别方法，利用DBI量化聚类的紧凑性和分离度，再通过动态调整筛选阈值δ，能够过滤低置信度聚类，确保仅高质量的伪标签参与模型训练；本发明降低了错误伪标签引入训练过程的风险，显著提升了模型识别性能和训练稳定性，同时使模型更适应因行人外观变化大、摄像头视角多样以及光照、遮挡等因素带来的复杂环境。