[发明专利]基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法

权利要求书

1.一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法，其特征在于：利用生成式对抗网络生成一系列标准的姿态图像，并且利用这些生成的图像扩充行人数据集以提升行人重识别网络的判别能力；

提出行人重识别任务驱动的孪生生成式对抗网络模型生成多样性行人样本，采用多目标优化技术来约束生成器和判别器的协同训练；

具体包括如下步骤：

(1)采用目标检测算法对行人图像数据中的行人图像进行目标检测，获取成对的训练样本，将成对训练样本的两个行人图像分别称为条件行人图像和目标行人图像；

(2)构建基于多样性样本生成的孪生生成式对抗网络模型，该模型对目标检测后输入的两组行人图像，即：条件行人图像和目标行人图像的姿态属性互换，实现多样性样本的生成；

(3)构建基于保持身份特征的孪生生成式对抗网络模型，该模型利用身份判别器保留生成行人图像的身份信息；

(4)构建基于多目标优化的孪生生成式对抗网络参数学习方法，通过基于进化多目标优化的群搜索策略提升孪生生成式对抗网络学习的稳定性；

(5)验证提出的行人重识别方法的有效性，对生成行人图像构成的数据集进行行人重识别方法验证；

所述步骤(4)中，构建基于多目标优化的孪生生成式对抗网络参数学习方法，目标函数为：

其中，L_loss表示基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法的目标函数，α、λ_id和λ_v为加权系数；多目标优化的孪生生成式对抗网络中生成器和判别器网络中两组参数相互影响，一组参数不合适会导致另外一组参数性能不稳定，因此采用基于进化多目标优化的群搜索策略：

minGAN(θ_G,θ_D):＝{L_G(θ_G),L_D(θ_D:θ_G)}

其中，θ_G是生成器的参数，θ_D是判别器的参数；

所述步骤(2)中，构建基于多样性样本生成的孪生生成式对抗网络由两个分支组成，每一个分支包括一个生成器和一个姿态判别器，满足：

其中：I_i为输入的条件行人图像，I_j为输入的目标行人图像，P_j为对应目标行人图像I_j的目标行人姿态；

L_SiGAN表示目标行人图像I_j、目标行人姿态P_j与根据条件行人图像I_i、目标行人姿态P_j生成新图像G(I_i,P_j)之间的对抗损失函数；

D_p(I_j,P_j)表示姿态判别器对目标行人图像I_j和目标行人姿态P_j的判别结果；

G(I_i,P_j)表示条件行人图像I_i与目标行人姿态P_j经生成器后获得的生成图像；

D_p(P_j,G(I_i,P_j))表示姿态判别器对目标行人姿态P_j和生成图像G(I_i,P_j)的判别结果；

表示数学期望；

I_i,I_j∈I表示变量I_i,I_j服从真实行人数据分布I，P_j∈P表示变量P_j服从真实姿态数据分布P，表示变量G(I_i,P_j)服从生成行人数据分布