[发明专利]基于生成对抗网络的人体步态图像视角转化方法

说明书

本发明属于步态识别技术领域，具体提供一种基于生成对抗网络的人体步态图像视角转化方法。本发明通过在训练过程中引入多种不同类型的判别器，并通过合理设置训练策略，从而使得该视角转化方法可以将输入视角下步态图像转化到多个不同目标视角，并且在转化的过程中有效避免身份信息的丢失。该视角转化方法可以被有效应用在跨视角步态识别场景中，通过将不同视角的步态图像转化到多个统一的视角，一方面，消除了视角差异对于步态识别准确率的影响，另一方面，相比于其他方法只转化到一个统一视角，本方法通过转化到多个统一视角，为后续身份识别提供了更加丰富的数据，可以有效提升跨视角步态识别准确率。

技术领域

本发明属于步态识别技术领域，具体涉及一种基于生成对抗网络的人体步态图像视角转化方法。

背景技术

随着现代社会的快速发展，信息化和智能化已经逐渐深入社会建设的各个方面；而运用信息技术和智能技术保障社会安全，降低各类违法犯罪率，提升人民生活的安全感和幸福感是社会建设中的重要一环；在这当中，对于用户进行身份识别是保障公民个人信息安全和公共安全的有效手段之一。相比于传统的人体身份识别特征诸如人脸、指纹、DNA等，人体步态特征的获取无需受测者的配合，无需侵入受测者体内，识别距离较远，能够在受测者未察觉的情况下获取身份特征，从而难以对识别系统进行误导和欺骗；与此同时，相比于DNA等需要进行化学提取和分析的生物特征，步态特征可以通过监控摄像头直接获取并进行识别，其实时性较高。因此，步态识别作为一种生物特征识别技术，具有重要潜在应用价值。

然而，步态识别技术在发展的过程中，也面临着一些棘手的问题，其中，跨视角问题是最具有代表性的一类；由于人体行走方向的不确定性，摄像头与人体往往形成一定的角度，在不同角度下得到的具有相同身份的人体步态图像具有显著差别。根据相关文献和资料，在步态识别的应用场景中，当获取到的需要识别的步态图像集(验证集)的视角与用于比对的步态图像集(注册集)的视角差别较大时，步态身份识别的准确率会出现断崖式地下降；这也成为了步态识别走向大规模应用的一大障碍。

传统的基于图像特征提取的步态识别方法由于在视角跨度较大的情形下难以有效提取与角度无关的人体步态特征，故识别率受视角变化的影响较为严重。而近些年来，随着机器学习技术和深度学习技术的不断发展，有研究人员开始尝试将不同视角下的步态图像转化到统一视角，以此来消除视角差异对于步态识别的影响，并且已经取得了一定的研究成果，被学术界和工业界认为是解决跨视角步态识别问题的一种有效思路。而步态图像视角转化作为这一过程的核心技术，其方法性能的优劣对于能否有效提升跨视角步态识别准确率来说至关重要。然而，就目前的研究及应用状况来说，现有的人体步态图像视角转化方法往往只是相对粗糙地对人体行走轮廓进行角度转化，在转化过程中丢失了许多不同人体步态图像所独有的身份信息，因此得到的转化后图像往往存在着失真、与原图像差异过大、不同类别间差异不明显等情况，会严重影响后续步态识别的准确率。除此之外，现有的步态图像视角转化方法往往只能将不同视角下的步态图像转化到某一固定的视角，比如统一转化到90度视角下的步态图像；然而，对于步态身份识别任务来说，某一固定视角下的步态图像含有的身份信息往往较为有限，例如90度视角下的步态图像无法反映测试者正面的身材、走路时身体的左右摇晃等信息；而0度视角下的步态图像无法反映测试者行走时四肢的摆动，身体的前后摇晃和形体姿态(如驼背)等信息，而上述这些信息都可以作为判断受测者身份的重要依据；可见，只将步态图像转化至某一固定视角，可能会造成某些对识别来说重要的身份信息在这一视角下无法表现出来，从而对身份的识别造成局限。

这对以上问题，我们对人体步态图像的视角转化方法展开研究，并且提出一种新型的基于生成对抗网络的人体步态图像视角转化方法，从而利用某一个体在某一视角下的步态图像，得到该个体其他不同视角的清晰准确的步态图像，对于提升跨视角步态识别的准确率，推动步态识别尽快走向实际应用具有重要意义。

发明内容