[发明专利]一种基于身份保持循环式生成式对抗网络的步态识别方法

说明书

本发明公开了一种基于身份保持循环式生成式对抗网络的步态识别方法，包括如下步骤：利用高斯背景建模方法得到步态前景得到步态能量图；通过身份保持循环式生成式对抗网络，实现步态图像的状态转换；提取目标步态视角的步态能量图的特征向量，进行步态识别处理。本发明基于身份保持循环式生成式对抗网络的步态识别方法，可以实现对步态图像转化过程的更为细致更为准确的控制，以解决步态识别中受测者状态与数据库状态不匹配的问题，可以很大程度上扩展提高步态识别的准确率以及其应用范围。

技术领域

本发明属于步态识别技术领域，具体涉及基于身份保持循环式生成式对抗网络的针对跨视角的步态图像识别方法。

背景技术

人身份识别是信息社会中安全问题的核心要素。传统的身份识别方式诸如身份证、验证码、智能卡片等识别手段，存在携带麻烦、容易丢失、易于伪造等特点。而基于生物特征的身份识别，可以很大程度上避免上述问题。而目前用于身份识别的有人脸、指纹、声纹等生物特征，而步态特征几乎是唯一可在远距离下仍有效果的识别方法，同时，步态特征还具有非侵入性、难以伪装、有效信息采集率高等特点，这使得步态识别有这非常重要的应用价值。

然后，步态识别在实际应用过程中，还面临诸多问题。比如，跨视角问题、携带物与衣着变化问题。其中，跨视角问题是最为常见的问题，而且，角度的轻微变化，会极大的影响步态识别的准确率，这极大的限制了步态识别的应用范围。

传统的基于机器学习的方法或者现有的基于深度学习的方法，一般是将某状态步态图像统一转化为包含最多步态信息的90°正常行走状态的步态图像。然而，一般比较缺乏对步态视角的判断以做更精细化的转化分析，也缺少不同状态的针对性转化。由于不同角度的步态图像，其差异非常明显，传统的转化方法，一般生成能力较弱，不能较好的实现步态图像的跨视角转化。因此，需要新的方法来解决更精细的步态图像转化问题。

发明内容

本发明的发明目的在于：为了解决现有技术的不足，针对多步态识别中不同视角、状态的转化方法，本发明提供了一种基于身份保持循环式生成式对抗网络的步态识别方法，包括如下步骤：

步骤1：提取步态视频的视频图像的人体轮廓，获取各视频图像的步态能量图：

基于高斯背景模型对步态视频序列进行背景建模，通过背景提取得到二值化的步态前景轮廓图；

并对步态前景图轮廓图进行范围归一化处理，将图像的灰度值归一化到[0,255]的区间范围内，并利用腐蚀与膨胀处理轮廓图；再对单位步态周期的二值化步态轮廓进行平均处理，得到步态能量图；

对步态能量图的步态视角进行识别，得到各步态能量图的步态视角；

步骤2：通过身份保持循环式生成式对抗网络，对步态能量图进行步态视角转换，得到目标步态视角的步态能量图：

构建身份保持循环式生成式对抗网络并基于对应的训练集进行网络训练，通过训练好的身份保持循环式生成式对抗网络对步态能量图进行步态视角转换，得到目标步态视角的步态能量图；

所述身份保持循环式生成式对抗网络包括两个生成器G_S2T与G_T2S，分别用于源域向目标域的转换，以及目标域至源域的转换；其中，源域对应步态视角转换前的步态能量图p 表示个体，V_s表示转换前的步态视角；目标域对应目标角度的步态能量图V_T表示目标步态视角；

两个相似判别器，分别为D^S2T与D^T2S，分别用于源域向目标域的转换和目标域向源域的转换过程中像素的相似度判别；

以及两个身份保持信息判别器与分别用于源域向目标域的转换和目标域向源域的转换过程中保持身份信息的不变性；

其中，在源域向目标域的转换过程中，设置的损失函数如下：