[发明专利]基于GAN神经网络的行人重识别系统及方法

说明书

本发明涉及一种行人重识别技术领域内的基于GAN神经网络的行人重识别系统及方法，分为图像重建与增强和行人重识别两个阶段。图像重建与增强阶段，首先利用GAN神经网络中的生成网络将低分辨率的图像生成高分辨率图像；随后通过判别网络判断获取的是生成图像，还是原图像。若是生成图像，则重新生成，直到判别网络无法区分，则完成图像重建；再采用Retinex算法对图像进行增强；行人重识别阶段，首先在图像重建与增强的基础上用HSV直方图提取颜色特征，用SILTP提取纹理特征，再提取图像LOMO特征，最后通过XQDA方法对空间进行降维，并使用距离度量进行行人重识别。本发明具有精确度高、鲁棒性好、泛化能力佳等优点，适用于视频行人监控、视频行人信息检索等应用。

技术领域

本发明涉及行人重识别技术领域，具体地，涉及一种基于GAN神经网络的行人重识别系统及方法。

背景技术

行人重识别(Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。行人重识别主要有两个关键步骤：首先，特征提取，即提取目标行人和候选行人的特征。然后，度量学习，即计算目标行人和候选行人的特征相似度，判断候选行人是否为要找的目标。研究者起初引入一些图像处理、模式识别领域的成熟方法，侧重研究了行人的可用特征、简单分类算法。自2010年以来，行人重识别技术的训练库趋于大规模化，广泛采用深度学习框架和方法进行训练和推理。

国内专利CN108520226A提出了一种基于躯体分解和显著性检测的行人重识别方法。首先将行人图像解析为语义具有深度分解网络的地区，将行人从杂乱环境中分离出来。接下来，行人图像被分成小块，根据背景扣除的结果和显著性区域,自动选择有效的图片区域。最后，提取PHOG、HSV直方图和SIFT特征从选定的图片区域和从整个图像提取LOMO特征。国内专利CN105718882A提出一种分辨率自适应特征提取与融合的行人重识别方法。该方法融合生物特征和外貌特征，用人脸特征和外貌特征融合的方法识别行人，增强特征的差异性，同时根据特征在不同图像尺度上的表现，不同的行人特征将在不同尺度上进行比对；同时采用筛选机制，先用颜色特征和轮廓特征得到的融合特征进行筛选，然后用人脸特征对筛选结果进行补充，最后在筛选的行人上提取纹理特征，极大稳定颜色区域特征和加权颜色特征，并使用自适应加权的方法融合提取的全局特征和局部特征得到融合特征。

国外专利US9396412B2提出一种基于语义颜色名称的行人重识别方法。该方法采用语义颜色名称来描述人物图像，同时结合传统的颜色特征，计算11种基本颜色的概率分布作为图像描述符。该方法给定从RGB值到11种颜色的概率分布映射，构建语义直方图作为图像描述符。为了更好地将语义颜色名称与其他广泛使用的特征(包括颜色直方图，纹理直方图和协方差矩阵)相结合，该方法将基于表观的亲和力模型定义为局部描述符，并通过相似性度量形成线性组合。与其他传统方法不同，它采用具有绝对差异的长原始向量作为特征池。其次，通过RankBoost算法学习每个相似性度量的权重。国外专利US10108850B1中涉及一种基于AlexNet神经网络的行人重识别方法。该方法首先提取不同图片中行人的各种身体特征，如躯干，足部等，再通过卷积神经网络的预训练和AlexNet的训练，最后通过特征比实现行人重识别。

发明内容

针对现有技术的缺陷，本发明的目的是提供一种基于GAN神经网络的行人重识别系统及方法。本发明建立了基于GAN的神经网络结构，通过图像重建与增强，解决了不同摄像机及不同视角下，图像清晰度的问题，并通过Retinex算法降低了不同光照下图像的敏感度；同时通过LOMO特征结合XQDA方法实现行人重识别，具有精确度高、鲁棒性好、泛化能力佳等优点，适用于视频行人监控、视频行人信息检索等实际应用。

本发明涉及一种基于GAN神经网络的行人重识别系统，包括图像重建与增强模块、行人重识别模块；

所述图像重建与增强模块用于生成网络、判别网络与损失函数计算以及对重建好的图像进行增强；