[发明专利]一种基于生成式对抗网络图像超分辨率技术的行人再识别方法

权利要求书

1.一种基于生成式对抗网络图像超分辨率技术的行人再识别方法，其特征在于，包括以下主要步骤如下：

S100:通过拉普拉斯金字塔生成式对抗网络LAPGAN将低分辨率图片转换成高分辨率图片，扩大数据量；所述LAPGAN包括生成模式和判别模式两部分，分别通过上采样和下采样进行生成高质量图片、判别生成图片和原图片；

S200:提取颜色和纹理特征；

S300:利用XQDA算法进行度量学习；

S400:利用multi-shot方法进行1∶N和N∶N评估；其中，将原数据集的一半设置为数据集(a)，将原数据集的另一半设置为数据集(b)；

所述判别模式包括以下步骤：

S110:64×64原始图像I，令I₀＝I，下采样生成I₁；

S120:对I₁上采样，得到图像I₀的低通样本l₀；

S130:计算高通h₀＝I₀-l₀，生成模型生成的高通残差图像并把它们作为判别模型D₀的输入；

S140:在判别模型D₀中等概率地从真实样本和生成样本中选择输入样本，判断真实样本的概率；

所述1∶N配对方式包括以下步骤：

S410:将数据集(a)作为probe集，数据集(b)和LAPGAN生成的图像作为gallery集；

S420:Probe集每一个人与gallery集所有的图像进行匹配，根据距离按从小到大顺序排列找出前一百排序序列；

S430:重复以上步骤十次；

S440:取平均值；

所述N∶N配对方式包括以下步骤：

S450:将数据集(a)和LAPGAN对应生成的图像作为probe集，数据集(b)和LAPGAN对应生成的图像作为gallery集；

S460:获取Probe集所有图像与gallery集所有的图像距离，将probe集上同一个人的距离求和取平均值，再根据距离大小进行排列匹配，根据距离按从小到大顺序排列找出前一百排序序列；

S470:重复以上步骤十次；

S480:取平均值。

2.根据权利要求1所述的一种基于生成式对抗网络图像超分辨率技术的行人再识别方法，其特征在于，所述步骤(2)将生成的图像与原图像一起提取LOMO特征和DenseCorrespondence特征，并将两种特征进行融合；LOMO特征分别用Retinex算法提取HSV颜色特征，SILTP(Scale Invariant Local Ternary Pattern)描述器处理光照不变情况下的纹理特征；Dense Correspondence包括Dense Color Histogram和Dense SIFT，其中DenseColor Histogram提取LAB颜色直方图，Dense SIFT是一种对颜色直方图补充的特征。

3.根据权利要求1所述的一种基于生成式对抗网络图像超分辨率技术的行人再识别方法，其特征在于，所述步骤(3)将获取的特征进行相似度量，本发明采用XQDA(Cross-viewQuadratic Discrimination Analysis)算法对图像进行类内和类间分类，利用KISSME将获取的特征维度降到有效维度，并利用Manhattan距离计算probe集和gallery集之间的距离。