[發(fā)明專(zhuān)利]一種基于生成式對(duì)抗網(wǎng)絡(luò)圖像超分辨率技術(shù)的行人再識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710360795.0
• 申請(qǐng)日: 2017-05-13
• 公開(kāi)（公告）號(hào): CN107133601B
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 翟懿奎;陳璐菲;徐穎;甘俊英;應(yīng)自爐;曾軍英
• 申請(qǐng)（專(zhuān)利權(quán)）人: 五邑大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/46;G06K9/62;G06T3/40
• 代理公司: 廣州嘉權(quán)專(zhuān)利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 梁嘉琦

本發(fā)明公開(kāi)了一種基于生成式對(duì)抗網(wǎng)絡(luò)圖像超分辨率技術(shù)的行人再識(shí)別方法。首先利用拉普拉斯金字塔生成式對(duì)抗網(wǎng)絡(luò)生成一群圖像清晰的圖像，然后利用局部最大事件表示和Dense Correspondences算法分別提取圖像HSV顏色特征、紋理特征和LAB顏色特征，然后將這些特征融合，再利用交叉視覺(jué)二次判別分析算法將這些特征進(jìn)行度量學(xué)習(xí)，并利用曼哈頓距離計(jì)算probe集與gallery集之間的距離，最后利用multi?shot模式進(jìn)行1∶N和N∶N評(píng)估。本發(fā)明利用LAPGAN網(wǎng)絡(luò)生成高分辨率圖像，再利用傳統(tǒng)方法獲取圖像特征并進(jìn)行相應(yīng)匹配。結(jié)合深度學(xué)習(xí)和傳統(tǒng)方法解決由光照、角度等原因造成圖像分辨率低的問(wèn)題，提高圖像匹配率。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域，特別涉及一種基于生成式對(duì)抗網(wǎng)絡(luò)圖像超分辨率技術(shù)的行人再識(shí)別方法。

背景技術(shù)

當(dāng)前大多數(shù)監(jiān)控系統(tǒng)采用實(shí)時(shí)拍攝和人工監(jiān)視的形式，要求監(jiān)控人員時(shí)時(shí)刻刻盯著監(jiān)控畫(huà)面，仔細(xì)分辨視頻中的事件，但實(shí)際上人類(lèi)很難做到如此一絲不茍，而且人工查看的方式存在疏漏和主觀誤差。考慮到日益增長(zhǎng)的監(jiān)控視頻規(guī)模，傳統(tǒng)的方式需要大量人力，成本高，效率低，因此急需方便快捷的方法改善當(dāng)前監(jiān)控不足。行人再識(shí)別是在多攝像頭無(wú)重疊視頻監(jiān)控環(huán)境下，通過(guò)一系列圖像處理技術(shù)判斷出現(xiàn)在某個(gè)攝像頭中感興趣的目標(biāo)人物是否在其他攝像頭中出現(xiàn)過(guò)。換句話說(shuō)行人再識(shí)別是一種自動(dòng)識(shí)別技術(shù)，能快速定位到監(jiān)控網(wǎng)絡(luò)感興趣的人體目標(biāo)。因此行人再識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，且在現(xiàn)實(shí)生活中有著十分重要的應(yīng)用價(jià)值。

現(xiàn)有的行人再識(shí)別技術(shù)主要研究方式有兩種，一種是采用傳統(tǒng)方式手工對(duì)圖像進(jìn)行特征提取和相似度量匹配；一種是利用深度學(xué)習(xí)直接將圖像對(duì)輸入構(gòu)建好的網(wǎng)絡(luò)模型，最后輸出匹配結(jié)果。目前行人再識(shí)別技術(shù)通常根據(jù)圖像或視頻中的行人顏色、紋理等信息進(jìn)行特征提取，但由于光照、拍攝角度、遮擋等因素，導(dǎo)致圖像或視頻中的行人分辨率低，同一個(gè)人在不同相機(jī)出現(xiàn)特征差距較大。用于深度學(xué)習(xí)的數(shù)據(jù)集規(guī)模和數(shù)量相對(duì)實(shí)際數(shù)據(jù)較小，而大規(guī)模數(shù)據(jù)庫(kù)訓(xùn)練得出的結(jié)果更符合實(shí)際。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有行人再識(shí)別技術(shù)存在的不足，提出了一種基于生成式網(wǎng)絡(luò)圖像超分辨率技術(shù)的行人再識(shí)別方法，通過(guò)拉普拉斯金字塔生成式對(duì)抗網(wǎng)絡(luò)(LAPGAN)將低分辨率圖像轉(zhuǎn)換成高分辨率圖像，再利用傳統(tǒng)方法對(duì)獲取的圖像提取特征和度量學(xué)習(xí)提高圖像識(shí)別的準(zhǔn)確率，適用于任何場(chǎng)所。

為解決上述問(wèn)題，本發(fā)明提供了一種基于生成式網(wǎng)絡(luò)圖像超分辨率技術(shù)的行人再識(shí)別方法，其主要步驟如下：

(1)利用LAPGAN網(wǎng)絡(luò)生成高質(zhì)量樣本，擴(kuò)大數(shù)據(jù)量；

(2)提取顏色和紋理特征；

(3)利用XQDA算法進(jìn)行度量學(xué)習(xí)；

(4)利用multi-shot方法進(jìn)行1∶N和N∶N評(píng)估。

所述步驟(1)包括以下步驟：本發(fā)明利用LAPGAN網(wǎng)絡(luò)生成高質(zhì)量圖像，而LAPGAN包括生成模式和辨別模式兩部分，分別通過(guò)上采樣和下采樣進(jìn)行生成高質(zhì)量圖像和判別生成圖像和原圖像。

所述步驟(2)將生成的圖像與原圖像一起提取LOMO特征和Dense Correspondence特征，并將兩種特征進(jìn)行融合。LOMO特征分別用Retinex算法提取HSV顏色特征，SILTP(Scale Invariant Local Ternary Pattern)描述器處理光照不變情況下的紋理特征；Dense Correspondence包括Dense Color Histogram和Dense SIFT，其中Dense ColorHistogram提取LAB顏色直方圖，Dense SIFT是一種對(duì)顏色直方圖補(bǔ)充的特征。