[發(fā)明專利]一種利用目標(biāo)姿勢(shì)進(jìn)行生成的行人重識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010531805.4
• 申請(qǐng)日: 2020-06-11
• 公開（公告）號(hào): CN111753684B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 李華鋒;周爐;董能;張亞飛
• 申請(qǐng)（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號(hào): G06V40/10
• 分類號(hào): G06V40/10;G06V10/774;G06V10/764;G06V10/80;G06K9/62
• 代理公司: 昆明明潤(rùn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 53215
• 代理人: 馬海紅

本發(fā)明提出了一種利用目標(biāo)姿勢(shì)進(jìn)行生成的行人重識(shí)別方法，屬于計(jì)算機(jī)視覺領(lǐng)域。本發(fā)明提出了一個(gè)在給定目標(biāo)姿勢(shì)和行人的情況下利用生成對(duì)抗網(wǎng)絡(luò)來生成特定姿態(tài)下的目標(biāo)行人對(duì)姿勢(shì)進(jìn)行歸一化進(jìn)而消除姿勢(shì)對(duì)行人的影響。具體來說，將方法分為兩部分：(1)在給定目標(biāo)姿勢(shì)和行人情況下利用生成對(duì)抗網(wǎng)絡(luò)來生成在給定姿勢(shì)下的行人；(2)利用生成的目標(biāo)姿勢(shì)的行人和真實(shí)的目標(biāo)姿態(tài)行人，通過一個(gè)特征提取網(wǎng)絡(luò)進(jìn)行特征的提取，然后兩者進(jìn)行特征融合，形成一個(gè)特征向量。并且對(duì)真實(shí)的目標(biāo)姿態(tài)行人也進(jìn)行相同的操作，進(jìn)而得到兩個(gè)特征向量。最后，對(duì)得到的特征向量進(jìn)行距離的度量并結(jié)合行人攝像頭的信息。進(jìn)一步提高識(shí)別性能。

技術(shù)領(lǐng)域

本發(fā)明涉及一種利用目標(biāo)姿勢(shì)進(jìn)行生成的行人重識(shí)別方法，屬于計(jì)算機(jī)視覺領(lǐng)域。

背景技術(shù)

隨著人工智能的飛速發(fā)展，以及深度學(xué)習(xí)的廣泛應(yīng)用。行人重識(shí)別的研究越來越受到人們的關(guān)注，成為一個(gè)研究的熱點(diǎn)。但是，由于不同的行人的姿勢(shì)和同一個(gè)行人的姿勢(shì)可能存在著很大的差別。并且，在有大量不同姿態(tài)的數(shù)據(jù)中難以提取不受姿態(tài)變化影響的穩(wěn)定特征。現(xiàn)有的行人重識(shí)別的算法的局限性：難以拓展到大規(guī)模的camera networks，因?yàn)榇笠?guī)模的監(jiān)控區(qū)域包含了大量的不同角度不同姿態(tài)不同身份的行人信息。現(xiàn)有的模型需要充足的不同身份不同攝像頭角度的標(biāo)記數(shù)據(jù)來訓(xùn)練。要獲取這樣的數(shù)據(jù)非常困難用一個(gè)攝像頭網(wǎng)絡(luò)的數(shù)據(jù)訓(xùn)練的模型難以泛化到新的攝像頭網(wǎng)絡(luò)上，一般都需要用額外的數(shù)據(jù)去做微調(diào)。這就給行人重識(shí)別的研究帶來的很大的困難，之前的方法對(duì)行人的姿勢(shì)來進(jìn)行劃分，或者提取其姿勢(shì)的不變性特征，但是，實(shí)驗(yàn)的效果都不太理想。并且隨著數(shù)據(jù)集的不斷增大行人的姿勢(shì)也越來越多種多樣，可能還存在著行人被遮擋的情況。這就使得對(duì)行人的姿勢(shì)的判斷或者特征的提取帶來更大的挑戰(zhàn)。之前的很多的方法性能都不太理想，因此，設(shè)計(jì)一個(gè)好的方法來對(duì)行人的姿勢(shì)進(jìn)行不判別和特征的提取就先的尤為的重要。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種利用目標(biāo)姿勢(shì)進(jìn)行生成的行人重識(shí)別方法，來解決現(xiàn)在行人姿勢(shì)帶來的影響，本方法能夠?qū)o定目標(biāo)行人的姿勢(shì)和行人進(jìn)行生成目標(biāo)姿態(tài)下的行人，通過對(duì)給定的姿勢(shì)行人的生成可以對(duì)姿勢(shì)來進(jìn)行一個(gè)歸一化，并且和要對(duì)比的行人來進(jìn)行特征的提取并進(jìn)行向量化。對(duì)另外一個(gè)行人進(jìn)行相同的操作。這樣就可以使得提取的姿勢(shì)特征的更加的具有魯棒性，模型的性能會(huì)更加的強(qiáng)，泛化性能更強(qiáng)。最后，利用取的兩個(gè)特征來做距離的度量，并且結(jié)合行人所在的攝像頭信息來對(duì)行人進(jìn)行約束，這樣就能加快圖像的檢索速度，并且提高檢索的精度。其具體的流程圖見圖1。

本發(fā)明采用的技術(shù)方案是：一種利用目標(biāo)姿勢(shì)進(jìn)行生成的行人重識(shí)別方法，包括如下步驟：

Step 1：確定目標(biāo)姿勢(shì)生成的行人重識(shí)別模型的整體流程；

Step 2：設(shè)計(jì)生成識(shí)別算法所設(shè)計(jì)的約束條件和目標(biāo)函數(shù)；

Step 3：確定模型算法的訓(xùn)練和測(cè)試過程。

具體地，所述步驟1)包括如下步驟：

Step1.1：給定一張?jiān)紙D像和目標(biāo)姿態(tài)將其進(jìn)行連接，并通過目標(biāo)姿勢(shì)行人所在的攝像頭標(biāo)簽信息，利用生成器生成原始圖像下?lián)碛心繕?biāo)姿態(tài)的目標(biāo)圖像；同時(shí)利用生成器將真實(shí)的目標(biāo)圖像、原始圖像的姿態(tài)和給定的目標(biāo)攝像頭的標(biāo)簽信息作為生成條件進(jìn)行生成，生成真實(shí)圖像下?lián)碛性紙D像姿態(tài)的圖像；

Step1.2：將Step1.1中生成的目標(biāo)圖像和真實(shí)的目標(biāo)圖像先后通過resnet50網(wǎng)絡(luò)進(jìn)行特征的提取，進(jìn)行特征的融合，得到融合后的目標(biāo)圖像Reid特征；同時(shí)將Step1.1中生成的擁有原始圖像姿態(tài)的圖像和真實(shí)的原始圖像通過resnet50網(wǎng)絡(luò)，得到融合后的原始圖像的Reid特征；

Step1.3：將Step1.2得到的兩個(gè)Reid特征進(jìn)行余弦距離的度量。

具體地，所述步驟2)包括如下步驟：

Step2.1：原始生成式對(duì)抗網(wǎng)絡(luò)的目標(biāo)函數(shù)：