[发明专利]一种基于多视角生成对抗网络的行人重识别方法

权利要求书

1.一种基于多视角生成对抗网络的行人重识别方法，其特征在于，包括如下步骤：

步骤1：从原始行人重识别训练集中挑选出图像作为提出的PmGAN(pedestrian multi-view generation adversarial networks，行人多视角生成对抗网络)的训练集；基于挑选出的训练集训练提出的PmGAN；

步骤2：利用训练好的PmGAN对给定视角下的图像生成其他视角下的图像，并赋予生成图像与原图像相同的ID标签，最后把带标签的生成图像添加到原始训练集中，得到扩充的训练集，基于扩充的训练集训练行人重识别网络；

步骤3：利用PmGAN对查询图像进行多视角生成，完善查询图像的特征向量；

步骤4：把完善后的特征向量作为查询图像的特征，用于行人重识别任务，最终按相似性大小排列图像，完成行人重识别任务。

2.根据权利要求1所述的基于多视角生成对抗网络的行人重识别方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：从原始行人重识别训练集中挑选出正面、侧面和背面三个视角的图像以及1～5张其他视角图像作为提出的PmGAN的训练集；

步骤1.2：并根据原有行人ID进行分组，使每组图像都包含正面、侧面、背面以及若干其他视角图像；

步骤1.3：提出的PmGAN包括三个分别用于生成正面、侧面和背面图像的生成器和一个多类别判别器。生成器以给定图像作为输入，输出确定视角下的行人图像；判别器以生成图像或真实图像以及对应的视角作为输入，输出真实图像的概率。生成器与判别器交替训练，直至达到纳什平衡。

3.根据权利要求1所述的基于多视角生成对抗网络的行人重识别方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：利用训练好的PmGAN的生成器对给定视角下的图像生成其他视角下的图像，并赋予生成图像与原图像相同的ID标签，最后把带标签的生成图像添加到原始训练集中，得到扩充的训练集；

步骤2.2：基于扩充的训练集训练行人重识别网络，其中行人重识别网络可以是现有的方法也可以是提出的基于特征向量的方法，最终训练完成的行人重识别网络具有提取图像特征的能力。

4.根据权利要求1所述的基于多视角生成对抗网络的行人重识别方法，其特征在于，所述步骤3包括如下步骤：

步骤3.1：对于给定的查询图像，利用PmGAN进行多视角生成，得到给定行人图像的正面、侧面和背面三视角下的行人图像。

步骤3.2：把三个生成图像和原给定图像分别输入到行人重识别网络中进行特征提取，把提取出的四个特征向量依据最大值原则进行特征融合，得到完善的特征向量。

5.根据权利要求1所述的基于多视角生成对抗网络的行人重识别方法，其特征在于，所述步骤4包括如下步骤：

步骤4.1：利用行人重识别网络对测试集中所有图像进行特征提取，得到测试集中所有图像的特征向量；

步骤4.2：把完善后的特征向量作为查询图像的特征，与得到的测试集中的所有特征向量进行相似性度量，其中相似性度量可采用欧式距离，但不限于此。最后按照相似性从大到小即欧式距离从小到大排列测试集中的图像，完成行人重识别任务。