[发明专利]基于双流生成对抗网络的跨视角步态识别装置及训练方法

说明书

本发明属于计算机视觉和模式识别领域，具体涉及一种基于双流生成对抗网络的跨视角步态识别装置及训练方法。旨在解决跨视角步态识别准确率不高的问题。具体包括：通过一个全局流生成对抗网络模型学习一个标准角度的全局流步态能量图像；利用三个局部流生成对抗网络模型学习标准角度的局部流步态能量图像；该方法中的全局流模型能够学到全局步态特征，在全局流模型的基础上，加入局部流网络，可以学到局部步态特征；通过在双流生成对抗网络的生成器上加入像素级约束可以恢复步态细节；通过将全局步态特征和局部步态特征进行融合，可以提升步态识别准确率。该方法对于步态图像具有极强的鲁棒性，可以较好的解决跨视角步态识别问题。

技术领域

本发明属于计算机视觉和模式识别领域，具体涉及一种基于双流生成对抗网络的跨视角步态识别装置及训练方法。

背景技术

步态识别问题是计算机视觉、生物特征识别等领域最重要的问题之一。视角的变化是对步态识别准确率影响最大的因素，然而，传统的步态识别方法无法获得满意的结果。随着深度学习的发展，近来也有越来越多的研究者将深度学习应用到步态识别中。本方法提出的双流生成对抗网络的方法能够得到较好的步态识别准确率。

发明内容

为了解决现有技术中的上述问题，即为了解决跨视角步态识别准确率不高的问题，本发明的一方面，提供了一种基于双流生成对抗网络的跨视角步态识别装置，包括：一个全局流生成对抗网络、多个局部流生成对抗网络、一个身份判别器；

所述全局流生成对抗网络，用于将所输入的任意视角的步态能量图生成标准视角的全局步态能量图，输送至所述身份判别器；

所述局部流生成对抗网络，用于将所输入的任意视角的局部步态能量图生成标准视角的局部步态能量图，输送至所述身份判别器；

所述身份判别器，用于提取所述全局步态能量图的全局步态特征和所述局部步态能量图的局部步态特征，并进行融合得到融合特征，按照预设权值对该融合特征和预设注册集样本的相似性进行比较，得到身份识别结果。

进一步地，所述身份判别器包括全局身份判别器、局部身份判别器；

所述全局身份判别器接收全局步态能量图，提取所述全局步态特征；

所述局部身份判别器接收局部步态能量图，提取所述局部步态特征。

进一步地，所述身份判别器将所述全局步态特征和所述局部步态特征进行融合得到所述融合特征，并在身份判别器的全连接层进行分类，输出身份识别结果。

进一步地，所述跨视角步态识别装置还包括全局流预处理装置、局部流预处理装置；

所述全局流生成对抗网络的输入端口连接全局流预处理装置的输出端口，所述全局流预处理装置用于将步态能量图归一化为统一大小的步态能量图；

所述局部流生成对抗网络的输入端口连接局部流预处理装置，所述局部流预处理装置用于将步态能量图归一化为统一大小的步态能量图，并将归一化后的步态能量图均等的划分为多个部分。

进一步地，所述全局流生成对抗网络包括全局流生成对抗网络生成器和全局流生成对抗网络判别器；所述局部流生成对抗网络包括局部流生成对抗网络生成器和局部流生成对抗网络判别器；

所述全局流生成对抗网络生成器由多个卷积层和多个对应的反卷积层组成；

所述局部流生成对抗网络生成器由多个卷积层和多个对应的反卷积层组成。

进一步地，所述全局流生成对抗网络生成器的卷积层和反卷积层中，每层均包括多种不同尺度的滤波器，用以捕捉不同尺度的步态特征。

进一步地，所述身份判别器由多个卷积层组成。