[發明專利]基于PTGAN區域差距與多重分支的行人重識別檢測方法及裝置

有效

• 申請號: 201910272907.6
• 申請日: 2019-04-04
• 公開（公告）號: CN110110755B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 張斯堯;謝喜林;王思遠;黃晉;蔣杰;張誠
• 申請（專利權）人: 長沙千視通智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 長沙德恒三權知識產權代理事務所(普通合伙) 43229
• 代理人: 徐仰貴

1.一種基于PTGAN區域差距與多重分支相結合的行人重識別檢測方法，其特征在于，具體步驟如下：

S1、將普通視頻圖像進行PTGAN處理，得到待識別的圖像，所述待識別的圖像為行人前景不變且背景差異區域遷移的圖像；

S2、將所述待識別的圖像采用多個分支聯合訓練，具體的步驟如下：

S2.1將所述待識別的圖像輸入訓練模型，獲取多個分支對應的特征向量，具體如下：給定輸入的處理過后的行人圖像，RAM則生成一組功能向量，具體為五個共享卷積層生成特征映射M，然后，M被饋送到四個分支以生成不同的特征，四個分支包括全局分支、BN分支、屬性分支和局部區域分支；

S2.2局部特征提取，使用局部區域分支來生成區域特征，具體如下：局部區域分支將特征映射M從上到下均勻地劃分為K個重疊的局部區域，同時使用重疊區域來增強學習特征對可能的未對準或視點變化的魯棒性，在每個區域之后嵌入池化層后應用FC層以從它們中的每一個生成區域特征，使用具有行人身份信息ID標簽的分類任務來監督每個區域特征學習；

S2.3屬性特征提取，屬性分支將全局分支中第一個FC層的輸出作為輸入，然后由FC層生成屬性特征，最后，在屬性分類任務中學習屬性特征；

S2.4特征向量模型訓練，將行人正面和背面特征當成兩個不同類別訓練，重復上述S2.1、S2.2和S2.3訓練過程并形成特征向量；RAM的每個分支都通過具有softmax損失的單獨分類任務進行訓練，并且通過逐次添加全局分支、BN分支、屬性分支和局部區域分支進行模型訓練，以訓練出滿足需要的特征向量模型；

S3、將待識別的圖像的特征向量與有效地理區域范圍內的視頻圖像的行人的特征向量對比，利用相似度計算公式，搜索出相似度最高的行人目標圖像，并輸出最終重識別系統模型。

2.如權利要求1所述的基于PTGAN區域差距與多重分支相結合的行人重識別檢測方法，其特征在于，在進行所述步驟S1中的PTGAN處理時采用的損失函數為：

L_PTGAN＝L_Style+λ₁L_ID

其中，L_Style代表生成的風格損失或區域差異domain損失，λ₁L_ID代表生成圖像的身份損失，λ₁是平衡風格損失和身份損失的權重。

3.如權利要求2所述的基于PTGAN區域差距與多重分支相結合的行人重識別檢測方法，其特征在于，所述L_Style的具體公式為：

其中，A，B為兩幀做GAN處理的圖像，令G為圖像A到B風格映射功能函數，為B到A的風格映射功能函數，λ₂為分割損失和身份損失的權重。

4.如權利要求2所述的基于PTGAN區域差距與多重分支相結合的行人重識別檢測方法，其特征在于，所述步驟S1中，還用PSPNet對視頻圖像進行前景分割，得到面具層區域，所述λ₁L_ID的具體公式為：

其中，G(a)是圖像a中轉移的行人圖像，是圖像b中轉移的行人圖像，IE_a～pdata(a)為圖像a的數據分布，IE_b～pdata(b)為b的數據分布，M(a)和M(b)是兩個分割出來的面具層區域。