[發明專利]基于循環生成對抗網絡的紅外圖片識別方法、設備及介質

在審

• 申請號: 201910945328.3
• 申請日: 2019-09-30
• 公開（公告）號: CN110633698A
• 公開（公告）日: 2019-12-31
• 發明（設計）人: 康燕斌;張志齊
• 申請（專利權）人: 上海依圖網絡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/00
• 代理公司: 31325 上海市匯業律師事務所
• 代理人: 唐嘉偉

基于循環生成對抗網絡的紅外圖片識別方法、設備及介質，方法包括：獲得人臉的紅外圖片集 X、可見光圖片集 Y；構建循環生成對抗網絡，輸入紅外圖片、可見光圖片，并分別通過生成器G、F對紅外圖片、可見光圖片進行相互轉換；將轉換結果分別置入判別器Dx和Dy中，判斷是否是同一個人。本發明利用循環生成網絡分別對一個人的可見光、紅外人臉圖片進行轉換，解決紅外場景人臉識別問題，并且對于數據的要求大大降低，提升紅外場景人臉識別的性能。

技術領域

本發明涉及計算機圖片處理領域，具體地說是一種基于循環生成對抗網絡的紅外圖片識別方法、設備及介質。

背景技術

人臉識別技術屬于生物識別領域，在安防、監控以及公司管理等場合具有廣闊的應用前景。而其中，紅外熱成像中的人臉識別是近幾年所關注的熱點。與常見的彩色圖像相比，紅外圖像既有彩色圖像的魯棒性特點，又有著更好的灰度對比度信息，可以一定程度上彌補可見光圖像在人臉識別中的一些固有問題。

在人臉識別領域，在光線充足的場景下可以采用可見光圖像進行人臉識別，而在光線微弱的場景下則一般通過紅外圖像進行人臉識別。為了能夠更加有效地利用紅外圖像中的場景信息，行業內較多采用了融合可見光和紅外圖像的識別方法。

現有技術中，針對紅外光下的人臉識別，通常需要專門的紅外場景下的人臉識別模型，以訓練專門的紅外場景人臉識別模型，較為繁瑣；而專門構建紅外場景數據集(需要有足夠多的紅外人臉圖)的數據量卻少于可見光識別模型訓練, 識別性能差于可見光模型，應用中存在較多不足。

循環生成對抗網絡（CycleGAN）在2017年首次發表于文章《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》中；其功能特點是可以自動將某一類圖片轉換成另外一類圖片。而傳統的GAN是單向生成，CycleGAN則是互相生成。

循環生成對抗網絡有兩個鏡像對稱的GAN，因而構成了一個環形網絡。由于其網絡是個環形，所以命名中加入循環（Cycle）作為其特征。CycleGAN的實質，就是一個A→B單向GAN，加上一個B→A單向GAN；而兩個GAN共享兩個生成器，然后各自帶一個判別器，總共有兩個判別器和兩個生成器。

CN201711219043.9號發明申請提供了一種圖像生成方法、裝置、系統和存儲介質，方法包括：獲取第一成像域的圖像；利用訓練好的環狀對抗生成網絡將所述獲取的第一成像域的圖像轉換為第二成像域的圖像，第一成像域的圖像和所述第二成像域的圖像為不同成像域的圖像；環狀對抗生成網絡為能夠用于所述第一成像域的圖像和所述第二成像域的圖像的相互轉換的對抗生成網絡，利用訓練好的環狀對抗生成網絡能夠將一個成像域的圖像轉換為另一個成像域的圖像，解決另一個成像域的圖像采集困難、生成困難的問題，從而提供大量的紅外人臉圖像用于識別。

發明內容

本發明為解決現有的問題，旨在提供基于循環生成對抗網絡的紅外圖片識別方法、設備及介質。

為了達到上述目的，本發明采用的技術方案包括：

S1,獲得人臉的紅外圖片集 X、可見光圖片集 Y；

S2,構建循環生成對抗網絡，輸入紅外圖片、可見光圖片，并分別通過生成器G、F對紅外圖片、可見光圖片進行相互轉換；

S3,將轉換結果分別置入判別器Dx和Dy中，判斷是否是同一個人。

進一步地，S3中，對生成器G、F的轉換結果分別提取得到第一、第二特征向量，通過計算第一、第二特征向量之間的余弦相似度, 獲得兩張圖是同一個人的概率。

進一步地，S2中，生成器G的損失函數為：

。

進一步地，S2中，生成器F的損失函數為：