为解决实际行人重识别系统中识别率低、识别速度慢的问题，从创新和工程应用出发，提出了一种行人重识别算法。对行人图片进行预处理，采用色调、饱和度、亮度（hue，saturation，value，HSV）空间非线性量化的方法构建颜色命名空间，对人体分区域预识别来提高检测效率；对备选目标的整幅图像提取HSV和方向梯度直方图（histogram of oriented gradient，HOG）作为整体特征并在滑动窗口内提取颜色命名（color naming，CN）特征和2个尺度的尺度不变特征（scale invariant local pattern，SILTP），采用本文融合算法得到新的特征；在3个数据集上进行行人重识别，融合的特征在2种度量学习算法的Rank1平均提高了2.4%和3.3%。实验结果表明该算法能够提高重识别精度。

1，神经网络和卷积神经网络模型量化方法，主要包括线性量化和聚类量化两种方法。 2，可指定模型进行定点话，并输出量化后参数统计和finetune，可设置任意bit量化。 3，支持MLP,Lenet,Alexnet,VGG,GoogleNet系列,Resnet系列，MobileNet系列的量化。

JPEG图像压缩和解压MATLAB程序，使用了DCT2、线性量化编码、zigzag变换和游程编码理论