[发明专利]一种利用目标姿势进行生成的行人重识别方法

说明书

本发明提出了一种利用目标姿势进行生成的行人重识别方法，属于计算机视觉领域。本发明提出了一个在给定目标姿势和行人的情况下利用生成对抗网络来生成特定姿态下的目标行人对姿势进行归一化进而消除姿势对行人的影响。具体来说，将方法分为两部分：(1)在给定目标姿势和行人情况下利用生成对抗网络来生成在给定姿势下的行人；(2)利用生成的目标姿势的行人和真实的目标姿态行人，通过一个特征提取网络进行特征的提取，然后两者进行特征融合，形成一个特征向量。并且对真实的目标姿态行人也进行相同的操作，进而得到两个特征向量。最后，对得到的特征向量进行距离的度量并结合行人摄像头的信息。进一步提高识别性能。

技术领域

本发明涉及一种利用目标姿势进行生成的行人重识别方法，属于计算机视觉领域。

背景技术

随着人工智能的飞速发展，以及深度学习的广泛应用。行人重识别的研究越来越受到人们的关注，成为一个研究的热点。但是，由于不同的行人的姿势和同一个行人的姿势可能存在着很大的差别。并且，在有大量不同姿态的数据中难以提取不受姿态变化影响的稳定特征。现有的行人重识别的算法的局限性：难以拓展到大规模的camera networks，因为大规模的监控区域包含了大量的不同角度不同姿态不同身份的行人信息。现有的模型需要充足的不同身份不同摄像头角度的标记数据来训练。要获取这样的数据非常困难用一个摄像头网络的数据训练的模型难以泛化到新的摄像头网络上，一般都需要用额外的数据去做微调。这就给行人重识别的研究带来的很大的困难，之前的方法对行人的姿势来进行划分，或者提取其姿势的不变性特征，但是，实验的效果都不太理想。并且随着数据集的不断增大行人的姿势也越来越多种多样，可能还存在着行人被遮挡的情况。这就使得对行人的姿势的判断或者特征的提取带来更大的挑战。之前的很多的方法性能都不太理想，因此，设计一个好的方法来对行人的姿势进行不判别和特征的提取就先的尤为的重要。

发明内容

本发明要解决的技术问题是提供一种利用目标姿势进行生成的行人重识别方法，来解决现在行人姿势带来的影响，本方法能够对给定目标行人的姿势和行人进行生成目标姿态下的行人，通过对给定的姿势行人的生成可以对姿势来进行一个归一化，并且和要对比的行人来进行特征的提取并进行向量化。对另外一个行人进行相同的操作。这样就可以使得提取的姿势特征的更加的具有鲁棒性，模型的性能会更加的强，泛化性能更强。最后，利用取的两个特征来做距离的度量，并且结合行人所在的摄像头信息来对行人进行约束，这样就能加快图像的检索速度，并且提高检索的精度。其具体的流程图见图1。

本发明采用的技术方案是：一种利用目标姿势进行生成的行人重识别方法，包括如下步骤：

Step 1：确定目标姿势生成的行人重识别模型的整体流程；

Step 2：设计生成识别算法所设计的约束条件和目标函数；

Step 3：确定模型算法的训练和测试过程。

具体地，所述步骤1)包括如下步骤：

Step1.1：给定一张原始图像和目标姿态将其进行连接，并通过目标姿势行人所在的摄像头标签信息，利用生成器生成原始图像下拥有目标姿态的目标图像；同时利用生成器将真实的目标图像、原始图像的姿态和给定的目标摄像头的标签信息作为生成条件进行生成，生成真实图像下拥有原始图像姿态的图像；

Step1.2：将Step1.1中生成的目标图像和真实的目标图像先后通过resnet50网络进行特征的提取，进行特征的融合，得到融合后的目标图像Reid特征；同时将Step1.1中生成的拥有原始图像姿态的图像和真实的原始图像通过resnet50网络，得到融合后的原始图像的Reid特征；

Step1.3：将Step1.2得到的两个Reid特征进行余弦距离的度量。

具体地，所述步骤2)包括如下步骤：

Step2.1：原始生成式对抗网络的目标函数：