一种基于场景迁移的行人性别识别方法技术

本发明专利技术涉及一种基于场景迁移的行人性别识别方法，包括场景迁移过程与性别识别过程。本发明专利技术通过对偶生成对抗模型对来自不同场景的行人图像集进行图像迁移，减小不同数据集中行人场景的差异。利用迁移图像训练卷积神经网络，使网络模型具有较高精度的性别识别能力。本发明专利技术结合了对偶生成对抗模型用于图像迁移的优点，解决了以往基于卷积神经网络在行人性别识别问题上的不足，有效地提高了行人性别识别精度。本发明专利技术可以被广泛地应用在智能视频监控场景，大型商场的人口统计等。

A method of pedestrian gender recognition based on scene transfer

【技术实现步骤摘要】
一种基于场景迁移的行人性别识别方法
本专利技术涉及计算机视觉和模式识别
，更具体地说，涉及一种基于场景迁移的行人性别识别方法。
技术介绍
随着互联网、云计算和多媒体技术的快速发展，视频监控系统已广泛地部署在城市的各个角落，例如街道、机场、火车站等公共场所。在这些监控系统中，行人身份识别在公共安全中发挥着重要作用。作为行人身份识别技术的重要辅助手段，行人性别识别技术是行人智能监控系统进行远距离目标身份识别的重要组成部分。行人性别识别是指在监控视频中识别出过往行人的性别，其具有重要的应用价值，例如大型商场的人口统计等。现有技术的方法是基于手工特征进行行人性别识别，例如提取行人轮廓特征(HOG)或者纹理特征(LBP)，并运用SVM、Adboost等分类器实现性别分类；但单一的手工特征提取方法的识别精度普遍不高。或者，基于目前比较流行的深度学习方法进行特征学习与分类，而基于卷积神经网络方法往往泛化性能较差，对输入噪声和抖动比较敏感，例如当输入图像的场景发生改变时，由于训练数据无法涵盖所有场景下的行人图像，导致在测试本文档来自技高网...

【技术保护点】
1.一种基于场景迁移的行人性别识别方法，其特征在于，包括场景迁移过程、性别识别过程；/n场景迁移过程，步骤如下：/n1.1)设定行人图像数据集

【技术特征摘要】
1.一种基于场景迁移的行人性别识别方法，其特征在于，包括场景迁移过程、性别识别过程；
场景迁移过程，步骤如下：
1.1)设定行人图像数据集和分别来自U和V两种不同的场景；
1.2)提取和中的行人掩模，得到掩模图像数据集和
1.3)构建对偶生成对抗网络，利用和训练对偶生成对抗网络，直至对偶生成对抗模型收敛，得到生成模型GU→V和GV→U；
其中，通过GU→V能够将来自U场景下的行人图像迁移至V场景，同时保持被迁移图像中行人外貌和姿态不发生改变；通过GV→U能够将来自V场景下的行人图像迁移至U场景，同时保持被迁移图像中行人外貌和姿态不发生改变；
当行人图像从U场景迁移至V场景时，性别识别过程步骤如下：
2.1)把中的每张行人图像输入GU→V，经过前向传播，得到与相对应的迁移图像集
2.2)构建卷积神经网络，利用训练卷积神经网络，直至网络收敛，得到模型P；
2.3)把中的每张行人图像输入到模型P，经前向传播，获得深度特征，利用Softmax分类函数对深度特征计算其性别概率，输出性别预测结果；
或者，当行人图像从V场景迁移至U场景时，性别识别过程步骤如下：
2.1)把中的每张行人图像输入GV→U，经过前向传播，得到与相对应的迁移图像集
2.2)构建卷积神经网络，利用训练卷积神经网络，直至网络收敛，得到模型P；
2.3)把中的每张行人图像输入到模型P，经前向传播，获得深度特征，利用Softmax分类函数对深度特征计算其性别概率，输出性别预测结果。


2.根据权利要求1所述的基于场景迁移的行人性别识别方法，其特征在于，步骤1.3)中，模型GU→V和GV→U的获得步骤如下：
1.3.1)随机从和中分别选取k张行人图像及其对应的掩模图像，k≤M，k≤N；
1.3.2)将选取的行人图像与掩模图像输入对偶生成对抗网络进行对抗训练；
1.3.3)重复步骤1.3.1)、步骤1.3.2)，直至对偶生成对...

【专利技术属性】
技术研发人员：曾焕强，蔡磊，朱建清，曹九稳，张云，马凯光，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建;35