[发明专利]基于多任务生成对抗网络的跨视角步态识别方法

摘要

本发明属于计算机视觉和机器学习领域，具体为一种基于多任务生成对抗网络的跨视角步态识别方法。本发明主要解决了步态识别在大的视角变化下模型泛化性能降低的问题。对于原始的行人视频帧序列，首先对每帧图像进行预处理，并提取出步态模版特征；然后通过神经网络编码为步态隐表示，并在隐空间中进行角度变换；再通过多任务生成对抗网络重构出其他视角的步态模版特征；最后使用步态隐表示进行识别。相比于基于分类或其他基于重构的方法，本发明具有较强的可解释性，并能提升识别性能。

主权项

基于多任务生成对抗网络的跨视角步态识别方法，其特征在于，具体步骤为：(1)输入不同视角下的行人视频帧序列，构造步态模版特征：X={x1,x2,x3,...,xnv}]]>向量xi是视角i下的步态模版特征，nv是所有视角的数量；(2)对于任意不同的视角u,v，使用卷积神经网络编码对应的步态模版特征xu至隐空间，并得到在隐空间中的隐表示为zu；(3)在隐空间中对隐表示zu进行视角变换，变换至角度v，得到隐表示zv；(4)将隐表示zv以及通道的独热编码作为输入，经过多任务生成对抗网络中的生成网络后输出角度v下的伪模版特征(5)根据模版特征xu与伪模版特征计算逐像素损失Lp；(6)使用多任务生成对抗网络中的判别网络，根据模版特征xu与伪模版特征计算多任务对抗损失La；(7)加权逐像素损失与多任务对抗损失，根据总损失L＝Lp+αLa训练多任务生成对抗网络。