基于对抗网络的步态数据生成方法及设备技术

本发明专利技术实施例提供了一种基于对抗网络的步态数据生成方法及设备。所述方法包括：获取目标对象的若干第一步态图片集，将若干第一步态图片集输入生成网络，得到若干第二步态图片集，将第三步态图片集与第二步态图片集输入第一对抗网络进行比对，若比对结果小于预定阈值，则得到第二对抗网络，并确定生成网络为实用级生成网络；采用第二对抗网络及实用级生成网络，获取目标对象的任意若干张步态图片集的步态数据。本发明专利技术实施例提供的基于对抗网络的步态数据生成方法，可以在采集的步态图中只有少量图片的情况下，对目标对象的步态序列图进行补齐；对于大量步态样本的采集和标注起到了很好的弥补作用，降低了经济成本。

【技术实现步骤摘要】
基于对抗网络的步态数据生成方法及设备
本专利技术实施例涉及模式识别
，尤其涉及一种基于对抗网络的步态数据生成方法及设备。
技术介绍
目前在人工智能的安防应用领域，人脸识别普及度很高，但受到诸如带口罩、带帽子、带墨镜等因素的影响，一旦摄像头没有捕捉到嫌疑人面部特征，或捕捉到的面部特征比较模糊，往往对案件侦破造成较大困难。步态识别旨在通过人们走路的姿态进行身份识别，具有非接触远距离和不容易伪装的优点。但是，步态识别模型在训练过程中需要更多标注样本作为支撑才能训练出更好的模型，而大量样本的采集和标注往往比较困难，那么如何快速获取有价值的步态标注样本成为亟待解决的问题。因此，开发一种基于对抗网络的步态数据生成方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。
技术实现思路
针对现有技术存在的上述问题，本专利技术实施例提供了一种基于对抗网络的步态数据生成方法及设备。第一方面，本专利技术的实施例提供了一种基于对抗网络的步态数据生成方法，包括：获取目标对象的若干第一步态图片集，将所述若干第一步态图片集输入生成网络，得到若干第二步态图片集，将第三步态图片集与所述第二步态图片集输入第一对抗网络进行比对，若比对结果小于预定阈值，则得到第二对抗网络，并确定所述生成网络为实用级生成网络；采用所述第二对抗网络及实用级生成网络，获取所述目标对象的任意若干张步态图片集的步态数据。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于对抗网络的步态数据生成方法，所述生成网络包括：第一输入层，用于输入所述若干第一步态图片集；第一卷积处理层集合，用于对输入的所述若干第一步态图片集进行卷积处理，得到一次处理后的若干第一步态图片集；第二卷积处理层集合，用于对所述一次处理后的若干第一步态图片集再次进行卷积处理，得到二次处理后的若干第一步态图片集；第三卷积处理层集合，用于对所述二次处理后的若干第一步态图片集再次进行卷积处理，得到三次处理后的若干第一步态图片集；全局卷积处理层，用于卷积处理第一集合池化层和第二集合池化层统计的数据；第一集合池化层，用于对所述一次处理后的若干第一步态图片集进行统计；第二集合池化层，用于对所述二次处理后的若干第一步态图片集进行统计；第三集合池化层，用于对所述三次处理后的若干第一步态图片集进行统计；链接层，用于将所述第三集合池化层输出的数据与全局卷积处理层输出的数据进行链接；第一反卷积处理层集合，用于将所述链接层输出的数据进行反卷积解码；第二反卷积处理层集合，用于将所述第一反卷积处理层集合输出的数据进行反卷积解码；第三反卷积处理层集合，用于将所述第二反卷积处理层集合输出的数据进行反卷积解码；第一输出层，用于将所述第三反卷积处理层集合反卷积解码后的数据进行输出。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于对抗网络的步态数据生成方法，所述第一对抗网络或第二对抗网络，包括：第二输入层，用于输入所述若干第二步态图片集；第四卷积处理层集合，用于对输入的所述若干第二步态图片集进行卷积处理，得到一次处理后的若干第二步态图片集；第五卷积处理层集合，用于对所述一次处理后的若干第二步态图片集再次进行卷积处理，得到二次处理后的若干第二步态图片集；第六卷积处理层集合，用于对所述二次处理后的若干第二步态图片集再次进行卷积处理，得到三次处理后的若干第二步态图片集；压平层，用于将所述三次处理后的若干第二步态图片集转换为一维向量；稠密层，用于将所述一维向量转换为标量；第二输出层，用于将所述标量转换为闭区间标量，并将所述闭区间标量输出。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于对抗网络的步态数据生成方法，采用交叉熵损失函数计算所述生成网络的损失值或第一对抗网络的损失值，若所述生成网络的损失值或第一对抗网络的损失值小于所述预定阈值，则相应地确定所述生成网络为实用级生成网络，或相应地确定所述第一对抗网络为所述第二对抗网络。第二方面，本专利技术的实施例提供了一种基于对抗网络的步态数据生成装置，包括：对抗网络获取模块，用于获取目标对象的若干第一步态图片集，将所述若干第一步态图片集输入生成网络，得到若干第二步态图片集，将第三步态图片集与所述第二步态图片集输入第一对抗网络进行比对，若比对结果小于预定阈值，则得到第二对抗网络，并确定所述生成网络为实用级生成网络；步态数据获取模块，用于采用所述第二对抗网络及实用级生成网络，获取所述目标对象的任意若干张步态图片集的步态数据。第三方面，本专利技术的实施例提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于对抗网络的步态数据生成方法。第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于对抗网络的步态数据生成方法。本专利技术实施例提供的基于对抗网络的步态数据生成方法及设备，通过采用生成网络和对抗网络对目标对象的步态数据进行获取，可以在采集的步态图中只有少量图片的情况下，对目标对象的步态序列图进行补齐；对于大量步态样本的采集和标注起到了很好的弥补作用，降低了经济成本，节省了开销投入。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于对抗网络的步态数据生成方法流程图；图2为本专利技术实施例提供的基于对抗网络的步态数据生成装置结构示意图；图3为本专利技术实施例提供的生成网络模型结构示意图；图4为本专利技术实施例提供的对抗网络模型结构示意图；图5为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。通过对行人的完整的M张步态图片序列样本中提取出N(M>N>1)张同一行人的步态图片序列，在生成网络模型的推理作用下生成M张生成步态图片序列，然后分别对A本文档来自技高网...

【技术保护点】
1.一种基于对抗网络的步态数据生成方法，其特征在于，包括：/n获取目标对象的若干第一步态图片集，将所述若干第一步态图片集输入生成网络，得到若干第二步态图片集，将第三步态图片集与所述第二步态图片集输入第一对抗网络进行比对，若比对结果小于预定阈值，则得到第二对抗网络，并确定所述生成网络为实用级生成网络；/n采用所述第二对抗网络及实用级生成网络，获取所述目标对象的任意若干张步态图片集的步态数据。/n

【技术特征摘要】
1.一种基于对抗网络的步态数据生成方法，其特征在于，包括：
获取目标对象的若干第一步态图片集，将所述若干第一步态图片集输入生成网络，得到若干第二步态图片集，将第三步态图片集与所述第二步态图片集输入第一对抗网络进行比对，若比对结果小于预定阈值，则得到第二对抗网络，并确定所述生成网络为实用级生成网络；
采用所述第二对抗网络及实用级生成网络，获取所述目标对象的任意若干张步态图片集的步态数据。


2.根据权利要求1所述的基于对抗网络的步态数据生成方法，其特征在于，所述生成网络包括：
第一输入层，用于输入所述若干第一步态图片集；
第一卷积处理层集合，用于对输入的所述若干第一步态图片集进行卷积处理，得到一次处理后的若干第一步态图片集；
第二卷积处理层集合，用于对所述一次处理后的若干第一步态图片集再次进行卷积处理，得到二次处理后的若干第一步态图片集；
第三卷积处理层集合，用于对所述二次处理后的若干第一步态图片集再次进行卷积处理，得到三次处理后的若干第一步态图片集；
全局卷积处理层，用于卷积处理第一集合池化层和第二集合池化层统计的数据；
第一集合池化层，用于对所述一次处理后的若干第一步态图片集进行统计；
第二集合池化层，用于对所述二次处理后的若干第一步态图片集进行统计；
第三集合池化层，用于对所述三次处理后的若干第一步态图片集进行统计；
链接层，用于将所述第三集合池化层输出的数据与全局卷积处理层输出的数据进行链接；
第一反卷积处理层集合，用于将所述链接层输出的数据进行反卷积解码；
第二反卷积处理层集合，用于将所述第一反卷积处理层集合输出的数据进行反卷积解码；
第三反卷积处理层集合，用于将所述第二反卷积处理层集合输出的数据进行反卷积解码；
第一输出层，用于将所述第三反卷积处理层集合反卷积解码后的数据进行输出。


3.根据权利要求2所述的基于对抗网络的步态数据生成方法，其特征在于，所述第一对抗网络或第二对抗网络，包括：
第二输入层，用于输入所述若干第二步态图片集；...

【专利技术属性】
技术研发人员：陆辉，贺珊，
申请(专利权)人：中国信息通信科技集团有限公司，武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北;42