一种基于联合变量图片生成的行人重识别方法技术

本发明专利技术公开了一种基于联合变量图片生成的行人重识别方法，包括：S1：选择需要进行数据扩增的行人图像P1；S2：利用OpenPose对行人图像进行姿态估计得到原始姿态信息B1；S3：规定场景类别C和目标行人姿态B2；S4：建立基于联合变量的图片生成模型，将行人图像P1、原始姿态信息B1、场景类别C和目标行人姿态B2输入到预先训练好的图片生成模型中，得到目标场景及姿态下的行人图像P2；S5：将生成的图像添加到原始数据集中，进行行人重识别流程。

A pedestrian recognition method based on joint variable image generation

【技术实现步骤摘要】
一种基于联合变量图片生成的行人重识别方法
本专利技术涉及图像处理技术，尤其涉及一种基于联合变量图片生成的行人重识别方法。
技术介绍
行人重识别(Personre-identification)又称行人再识别，目标是在不重叠视野的摄像机系统中识别出特定的人，即跨摄像头的行人检索问题。具体地说，当确定某一个摄像头中的行人为目标行人时，行人重识别算法能够判断目标行人是否在别的摄像头内出现。行人重识别对智慧城市的建设起着重要作用。例如我国用于治安防控的“天网工程”，其通过在公共场所大范围地布置监控摄像头来识别行人信息，当识别出地行人信息在检索库中时，就会对其进行标定并报警。几年来，由于深度学习技术在计算机视觉各领域取得了很大进步，涌现了大量基于深度学习的行人重识别方法。深度学习是一种数据驱动的方法，但是现有的行人重识别数据集内的图像数量相对于真实监控场景来说十分有限，神经网络很容易过拟合在较小的数据集。传统的行人重识别数据集扩增方法本质上还是在原视频上裁剪行人图片，并没有实质性地生成数据。一些单变量的行人重识别数据集扩增方法虽然生成了原本不存在本文档来自技高网...

【技术保护点】
1.一种基于联合变量图片生成的行人重识别方法，其特征在于包括：/nS1：选择需要进行数据扩增的行人图像P1；/nS2：利用OpenPose对行人图像进行姿态估计得到原始姿态信息B1；/nS3：规定场景类别C和目标行人姿态B2；/nS4：建立基于联合变量的图片生成模型，将行人图像P1、原始姿态信息B1、场景类别C和目标行人姿态B2输入到预先训练好的图片生成模型中，得到目标场景及姿态下的行人图像P2；/nS5：将生成的图像添加到原始数据集中，进行行人重识别流程。/n

【技术特征摘要】
1.一种基于联合变量图片生成的行人重识别方法，其特征在于包括：
S1：选择需要进行数据扩增的行人图像P1；
S2：利用OpenPose对行人图像进行姿态估计得到原始姿态信息B1；
S3：规定场景类别C和目标行人姿态B2；
S4：建立基于联合变量的图片生成模型，将行人图像P1、原始姿态信息B1、场景类别C和目标行人姿态B2输入到预先训练好的图片生成模型中，得到目标场景及姿态下的行人图像P2；
S5：将生成的图像添加到原始数据集中，进行行人重识别流程。


2.根据权利要求1所述的一种基于联合变量图片生成的行人重识别方法，其特征还在于：S4具体采用如下方式：
将场景类别C的维度扩充为大小为[k,64,128]的矩阵，并将其与行人图像P1在深度轴上串联得到大小为[3+k,64,128]的矩阵，对原始姿态B1与目标姿态B2进行同样串联操作，得到大小为[36,64,128]的矩阵，将上述得到的两个矩阵传送至图片生成模型进行运算，最后图片生成模型输出目标场景及姿态下的包含同一行人的图像。


3.根据权利要求1所述的一种基于联合变量图片生成的行人重识别方法，其特征还在于：所述图片生成模型包括生成器G、判别器DA、判别器DS以及判别器DC，
其中生成器G采用如下训练过程：根据输入数据输...

【专利技术属性】
技术研发人员：刘晓凯，刘祥，毕胜，尤昭阳，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21