[发明专利]一种抗姿态变化的行人重识别方法

权利要求书

1.一种抗姿态变化的行人重识别方法，其特征在于包括以下步骤：

步骤1：检测出特定行人的包围框；

步骤2：定义上述行人的8种常见的姿态；

步骤3：对上述行人用行人姿态检测算法检测出人的姿态；

步骤4：基于姿态约束循环生成对抗网络的多姿态行人合成；

步骤5：抗姿态变化的特征学习，对于上述每个合成的行人，利用深度残差学习网络学习每个行人的特征向量，然后将其输出的特征进行串联得到上述行人的特征向量表示；

步骤6：行人重识别。

2.根据权利要求1所述的一种抗姿态变化的行人重识别方法，其特征在于所述步骤4中基于姿态约束循环生成对抗网络模型的损失函数为

其中，λ为一个常量系数，取值0.4；

式中，的定义如下：

其中，θ_g与θ_d分别表示生成器与判别器D_B对应的参数，

的定义如下：

的定义如下：

该网络参数通过Pytorch平台进行编程搭建，采用Adam优化方法分别对生成网络与判别网络部分进行交替迭代优化得到。

3.根据权利要求1所述的一种抗姿态变化的行人重识别方法，其特征在于所述步骤5抗姿态变化的特征学习技术，深度残差网络通过Tensorflow平台进行搭建，采用ResNet-50网络，网络的深度为50层，该网络的的损失函数为softmax，利用行人ID信息作为groundtruth标签进行学习网络，利用该网络进行关向传播式的预训练，利用行人的ID标签信息进行反向传播微调网络，当网络达到稳定时，提取该姿态A下合成行人的特征向量，用f_A表示，对于某一行人，用同样的方法，依次对其所有姿态下的合成行人图像进行学习一个对应的ResNet-50网络模型，并提取对应的特征向量，最后该行人的特征向量f可以表示为

4.根据权利要求1所述的一种抗姿态变化的行人重识别方法，其特征在于所述步骤6行人重识别过程包括：输入一个行人图像或视频帧，利用抗姿态变化的特征学习技术学习到其特征表示f，对监控数据库中的行人特征采用相同的方法提取得到其特征表示集S＝{h₁,h₂,h₃,…,h_N}，通过下面的公式计算其输入行人f与数据库中某一行人h_n，

根据相似度，统计相似度最大的Top-n个行人图像作为行人重识别的检索结果，由系统输出该结果。