CN113408351B - 一种基于姿态引导生成对抗网络的行人重识别方法 - Google Patents

一种基于姿态引导生成对抗网络的行人重识别方法 Download PDF

Info

Publication number
CN113408351B
CN113408351B CN202110541015.9A CN202110541015A CN113408351B CN 113408351 B CN113408351 B CN 113408351B CN 202110541015 A CN202110541015 A CN 202110541015A CN 113408351 B CN113408351 B CN 113408351B
Authority
CN
China
Prior art keywords
pedestrian
appearance
network
attitude
posture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110541015.9A
Other languages
English (en)
Other versions
CN113408351A (zh
Inventor
张苗辉
高诚诚
王喜乐
李开放
惠冠程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University
Original Assignee
Henan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University filed Critical Henan University
Priority to CN202110541015.9A priority Critical patent/CN113408351B/zh
Publication of CN113408351A publication Critical patent/CN113408351A/zh
Application granted granted Critical
Publication of CN113408351B publication Critical patent/CN113408351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于姿态引导生成对抗网络的行人重识别方法，S1：利用ResNet‑50构建行人重识别模型的主干网络，用于提取行人特征；S2：构建多尺度特征提取模块，用于融合不同尺度的行人特征；S3：构建姿态转移模块，用于融合行人的姿态和外观特征；S4：构建基于姿态引导的生成对抗网络，用于生成不同姿态下的行人样本图像；S5：设计联合训练策略，充分挖掘行人外观信息，克服姿态变化产生的影响，并提升生成样本图像的质量。生成对抗网络生成不同姿态下的行人样本图像，对训练样本进行了有效地扩充，同时采用共享网络参数的和生成样本在线训练的联合训练策略，可以有效提升行人重识别网络的表征能力，提升行人重识别模型的性能。

Description

一种基于姿态引导生成对抗网络的行人重识别方法
技术领域
本发明属于计算机视觉技术领域，具体涉及一种基于姿态引导生产对抗网络的行人重识别方法。
背景技术
现如今，不断发展的视频监控为“平安城市”和“智慧城市”的建设提供了有力的基础支撑和技术支持。公共安全问题是诸多社会挑战中的热点话题，也是国家经济平稳发展和社会稳定进步的基础要求，同时也是预防和应对各类安全事故，保证人民群众财产的重要基石。在过去的十多年间，中国已经成为监控摄像设备安装增长最快的国家，监控视频系统被广泛的应用在各种场合，目前我国已经建成世界上最大的视频监控网系统。大量架设的摄像头组成了一个巨大的“天眼”网络，覆盖到城市的大街小巷。据不完全统计，国内目前用于公共安全服务的视频监控设备已超过3000万台，全国省级公安部门中基本都建设了省级视频图像数据平台。这些监控系统每天产生海量的视频数据，需要相关安全部门主动分析和挖掘有用信息，对异常情况进行及时预警。虽然大规模的网络化监控可以提高视频监控系统的可靠性，同时也为管理和分析工作带来了很大的困难。目前监控数据的筛查、处理及内容的理解分析工作大多采用人工处理，然而由于监控中的场景变化具有不确定性，长时间的监控处理工作使得工作人员难以集中注意力，尤其是监控视频中场景复杂，人员密集，人流量大等情况中，人工处理的方式容易出现疏漏，难以有效地监控视频中发生的事件。这种人工处理方式不但准确性不高，而且需要花费大量时间，同时对于负责数据处理的人员来说也是一个巨大挑战。因此探究如何利用计算机视觉的方法实现检测、识别、跟踪和行为分析等类似于人类能力的智能视频监控，已经成为国内外研究学者和各智能企业的重点内容之一。
行人是视频监控中的主体，利用计算机视觉技术对行人的行为进行研究和分析是智能监控技术的重要组成部分。目前行人分析的技术主要有行人检测、行人计数、行人跟踪、行人识别、行人重识别等。行人检测主要是检测出视频中行人的位置及区域；行人计数则是在行人检测的基础上对行人进行计数工作，主要应用在人流量大的场所，如重要的交通路口、车站、机场等；行人跟踪是行人从进入单个监控设备的视野到离开此监控视野的时间内对其进行跟踪；行人识别主要是识别出已检测出的行人的身份；而行人重识别技术则是解决跨摄像头跨场景下行人的识别与检索问题。现有的行人识别技术主要借助于行人本身特有的信息，如人脸、指纹、虹膜等。在实际场景中，指纹和虹膜的获取需要每个行人的接触式配合工作，大多数的监控设备无法获取到清晰的行人人脸图片，同时单个相机通常无法覆盖所有的区域，多个相机视野覆盖的区域几乎没有重叠，为了解决这些问题，一种根据行人的外观、衣着、体态、发型、携带的物品等信息从多个非重叠摄像机获取得图像或视频序列中检索特定行人的技术——行人重识别技术应运而生。行人重识别又称为行人再识别，被广泛认为属于图像检索技术之一，是智能监控和多媒体应用的核心技术之一，经常用于发现罪犯、分析人类活动和跟踪多个目标等任务。
然而与传统的图像识别和检索任务相比，行人重识别任务依旧面临很多挑战，在实际监控环境中，由于相机与行人之间的距离、角度不同，导致拍摄出来的图片中行人姿态与视角都不同，同时，不同位置部署的相机具有较大的环境差异，拍摄到的图片往往受到光照强度，恶劣天气以及相机自身的差异，导致拍摄到的行人姿态变化大、白天与夜间光照差异大、场景杂乱且有遮挡、相机风格变化大、分辨率低等情况，极大的增加了行人重识别的难度。
发明内容
本发明的目的是为了解决背景技术中所提出的问题，而提供一种基于姿态引导生产对抗网络的行人重识别方法，在不改变主干网络地基础上，融合了网络不同阶段提取的特征，融合后的特征可以有效地应对不同尺度的行人样本。
本发明的目的是这样实现的：
一种基于姿态引导生产对抗网络的行人重识别方法，包括如下步骤：
S1：利用ResNet-50构建行人重识别模型的主干网络，用于提取行人特征；
S2：构建多尺度行人重识别网络MPN；用于融合不同尺度的行人特征；
S3：构建姿态转移模块PCM，用于融合行人的姿态和外观特征；
S4：构建基于姿态引导的生成对抗网络PGGAN，用于生成不同姿态下的行人样本图像；
S5：设计联合训练策略，挖掘行人外观信息，克服姿态变化产生的影响，并提升生成样本图像的质量。
优选的，S1中，利用ResNet-50构建行人重识别模型的主干网络的具体流程为：先将ResNet-50在ImageNet上进行预训练，再去除掉了conv5_x中最后一个空间下采样操作，增加了Ni-dim全连接层进行分类，用Ni表示数据集中行人身份的数量。
优选的，S2的具体流程为：
在ResNet-50网络模型的基础上，创建包含有三个分支的多尺度信息融合结构，用来提取网络中不同尺度的特征信息，所述的三个分支分别为ResNet-50网络模型正常的主干网络的预测分支一、在ResNet-50网络模型的stage-3和stage-4后分别加入的预测分支二和预测分支三，所述的预测分支一、预测分支二和预测分支三统称为多尺度分类模块。
优选的，所述的三个分支的结构相同，均由全局平均池化层、特征向量层和分类层三层全连接层组成，所述的三个分支的每个分支使用了一个分类损失函数，将每个分支的特征级联后，使用了一个验证损失函数，总的损失函数Lreid如下：
Figure BDA0003071797370000031
其中，
Figure BDA0003071797370000032
为交叉熵分类损失函数，
Figure BDA0003071797370000033
为三元组损失函数，μ1，μ2为平衡多尺度预测分支的系数，ν为平衡验证损失和分类损失的系数。
优选的，S3中，姿态转移模块PCM是由若干个姿态转换块PCB级联组成，姿态转移模块PCM的构建流程如下：
S3-1：将原始行人的外观编码
Figure BDA0003071797370000034
与融合原始姿态和目标姿态的姿态编码
Figure BDA0003071797370000035
进行融合，输出目标姿态的行人外观编码
Figure BDA0003071797370000036
S3-2：将
Figure BDA0003071797370000037
输入生成对抗网络PGGAN的反卷积网络中生成目标姿态的行人样本。
优选的，S4中，生成对抗网络PGGAN包括生成器网络G和判别器网络D，以及使用的对抗损失函数，其中生成器网络G包括行人外观编码器Ef、行人姿态编码器Ep、PCM模块和反卷积网络。
优选的，S5中，联合训练策略的设计流程如下：
S5-1：向S4中的生成对抗网络PGGAN中，每次输入一对行人样本，行人外观编码模块Ef和行人姿态编码模块Ep分别对其提取视觉外观特征和姿态特征；S5-2：将视觉外观特征与姿态特征融合后送入反卷积网络生成新的行人样本；S5-3：在S5-2的基础上，使用行人外观编码模块Ef对生成的行人样本提取行人外观特征；
S5-4：将原始图片和生成图片的视觉外观特征同时送入MPN计算分类损失。
优选的，所述的行人外观编码器Ef是使用ResNet-50网络中的卷积层形成的，行人姿态编码器Ep是使用VGG-16网络中的卷积层形成的，在对姿态编码之前，首先将原始姿态和目标姿态沿通道方向进行叠加，将两个不同的姿态混合在一起送入行人姿态编码器Ep进行编码，这样可以尽可能地保留原始姿态和目标姿态的信息。
优选的，所述PCM模块和反卷积网络组成生成对抗网络PGGAN中的解码器。
优选的，判别器网络D包括外观判别器Da和姿态判别器Dp两个判别器，外观判别器Da用来判断生成图片与原始图片的外观相似度，姿态判别器Dp用来判断生成图片姿态与目标姿态的相似度。
优选的，所述的两个判别器均采用ResNet-50网络结构提取特征，所述的两个判别器的输入分别是生成图片与原始图片或生成图片与目标姿态热图叠加后的数据。
优选的，两个判别器的输出得分分别记为Ra和Rp，Ra和Rp为softmax层的输出，整个判别器最终的得分记为两个判别器得分的乘积，即R＝Ra·Rp。
优选的，所述的PCB是一个具有双流结构的独立的模块结构，所述PCB的双流结构包括外观编码流和姿态编码流，所述外观编码流和姿态编码流两个流之间具有相互作用的结构，将外观编码流的输入记为，将姿态编码流的输入记为，则PCB在两个流的作用下，逐渐的输出fi+1和pi+1。
优选的，所述PCB是处理原始行人的外观数据分布，并逐步的将原始行人的外观数据分布转换成目标行人姿态的外观数据分布，将姿态编码作为一个姿态掩模，PCB将这个姿态掩模作用到外观编码中，姿态编码掩模中对应的是新的外观数据分布的权重，将姿态编码掩模记作Mp，则Mp的表达式为：Mp＝α·conνp1(pi)，其中，conνp1代表姿态编码流的第一次卷积操作，包含三个卷积层和一个BN层。
优选的，在得到姿态掩模之后，将其与外观编码数据进行融合，并在外观编码流中引入了残差结构，以解决编码特征因网络层深度较高而产生梯度消失的问题，外观编码流的输出记为：
fi+1＝Mp□[fi+conνf(fi)]，其中，□代表矩阵点乘运算，conνf代表外观编码流的卷积操作，与姿态编码流的卷积操作类似，也是三个卷积层和一个BN层构成。
与现有技术相比，本发明的有益效果在于：
1、本发明提供的一种基于姿态引导生产对抗网络的行人重识别方法，在不改变主干网络地基础上，融合了网络不同阶段提取的特征，融合后的特征可以有效地应对不同尺度的行人样本。
2、本发明提供的一种基于姿态引导生产对抗网络的行人重识别方法，在生成对抗网络PGGAN中输入一个行人样本图像和目标行人姿态，通过对行人的外观和姿态进行编码，然后与目标姿态进行融合后并解码，可以将原始行人样本转换为目标姿态下清晰的行人样本图像，通过PGGAN可以有效地扩充行人重识别数据集的规模与姿态多样性。
3、本发明提供的一种基于姿态引导生产对抗网络的行人重识别方法，设计了PGGAN与行人重识别网络联合训练的策略，使行人重识别网络充分利用PGGAN中的行人外观信息和对数据集进行扩充，克服行人姿态变化产生的影响，提升PGGAN生成样本图像的质量。
附图说明
图1为本发明的总体网络框图。
图2为本发明的多尺度行人重识别网络框架图。
图3为本发明的姿态转移模块框架图。
图4为本发明的判别网络框架图。
图5为本发明的基于姿态引导的生成对抗网络框架图。
具体实施方式
下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例，基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1
结合图1，一种基于姿态引导生产对抗网络的行人重识别方法，包括如下步骤：
S1：利用ResNet-50构建行人重识别模型的主干网络，用于提取行人特征；
S2：构建多尺度行人重识别网络MPN；用于融合不同尺度的行人特征；
S3：构建姿态转移模块PCM，用于融合行人的姿态和外观特征；
S4：构建基于姿态引导的生成对抗网络PGGAN，用于生成不同姿态下的行人样本图像；
S5：设计联合训练策略，挖掘行人外观信息，克服姿态变化产生的影响，并提升生成样本图像的质量。
实施例2
结合图1-5，一种基于姿态引导生成对抗网络的行人重识别方法，包括以下步骤：S1：利用ResNet-50构建行人重识别模型的主干网络，用于提取行人特征。
首先，ResNet-50需要在ImageNet上进行预训练，再去除掉了conv5_x中最后一个空间下采样操作，增加了Ni-dim全连接层进行分类，Ni表示数据集中行人身份的数量。
S2：构建多尺度行人重识别网络MPN。
在ResNet-50网络模型的基础上，设计一种多尺度信息融合的结构，除了正常的主干网络预测分支一外，我们在网络的stage-3和stage-4后分别加入了两个新的预测分支，即预测分支二和预测分支三，三个分支的结构相同，均由三层全连接层组成，依次是全局平均池化层、特征向量层和分类层，三个分支用来提取网络中不同尺度的特征信息。
每个分支中的特征向量层的神经元个数为512，分类层的神经元个数与数据集中行人样本的ID数相同，如在Market-1501训练集中，行人的ID数为751，则在Market-1501数据集上训练时，分类层的神经元个数为751，三个预测分支统称之为多尺度分类模块。
每个分支使用了一个分类损失函数，然后将每个分支的特征级联后，使用了一个验证损失函数，总的loss函数如下：
Figure BDA0003071797370000071
其中，
Figure BDA0003071797370000072
为交叉熵分类损失函数，
Figure BDA0003071797370000073
为三元组损失函数。μ1，μ2为平衡多尺度预测分支的系数，ν为平衡验证损失和分类损失的系数。
S3：构建姿态转移模块PCM，用于融合行人的姿态和外观特征。
PCM是整个PGGAN的核心，PCM是由若干个姿态转换块PCB级联组成。
PCM将原始行人的外观编码
Figure BDA0003071797370000074
与融合原始姿态和目标姿态的姿态编码
Figure BDA0003071797370000075
进行融合，输出目标姿态的行人外观编码
Figure BDA0003071797370000076
最终将
Figure BDA0003071797370000077
输入反卷积网络中生成目标姿态的行人样本。
PCB是一个独立的模块结构，PCB是一个双流的结构，一个是外观编码流，一个是姿态编码流，且两个流之间具有相互作用的结构，对于单个PCB来说，将外观编码流的输入记为，将姿态编码流的输入记为，则PCB在两个流的作用下，逐渐的输出fi+1和pi+1。
PCB具体的原理如下：PCB主要是处理原始行人的外观数据分布，逐步的将其转换成目标行人姿态的外观数据分布，将姿态编码看作为一个姿态掩模，PCB主要是将这个姿态掩模作用到外观编码中，而姿态编码掩模中对应的是新的外观数据分布的权重，因此将姿态编码流的输入pi经过卷积层的编码后，乘以一个权重系数后，将其与外观编码流的特征进行点乘操作；将姿态编码掩模记作Mp，则Mp的表达式为：Mp＝α·conνp1(pi)；其中，conνp1代表姿态编码流的第一次卷积操作，主要包含三个卷积层和一个BN层，详细的配置如图4所示。
当得到姿态掩模之后，将其与外观编码数据进行融合，考虑到编码特征的网络层深度较高，容易产生梯度消失的问题，在外观编码流中引入了残差结构，外观编码流的输出记为：fi+1＝Mp□[fi+conνf(fi)]；其中，□代表矩阵点乘运算，conνf代表外观编码流的卷积操作，与姿态编码流的卷积操作类似，也是由3个卷积层和一个BN层构成。
单个PCB模块不足以将原始的外观编码数据分布直接转换到目标行人姿态的外观编码数据分布，因此需串联多个PCB模块处理数据，对于非最终的PCB模块来说，需将处理后的外观编码数据融入姿态编码数据中，输入到下一个PCB模块中，因此：pi+1＝conνp2[β·fi+1+conνp1(pi)]；其中，conνp2代表姿态编码流的第二次卷积操作。
S4：构建基于姿态引导的生成对抗网络PGGAN，用于生成不同姿态下的行人样本图像。
PGGAN主要包括生成器网络G和判别器网络D，以及使用的对抗损失函数，其中生成器网络G包括行人外观编码器、行人姿态编码器、PCM模块和反卷积网络。
编码器：使用ResNet-50网络中的卷积层作为行人外观编码器Ef，使用VGG-16网络中的卷积层作为行人姿态编码器Ep，在对姿态编码之前，首先将原始姿态和目标姿态沿通道方向进行叠加，将两个不同的姿态混合在一起送入编码器Ep进行编码，这样可以尽可能地保留原始姿态和目标姿态的信息，采用先融合姿态估计点热图，再编码的结构可以大大减少计算量，有效地提取它们之间的依赖关系，并保持较好的性能。
解码器：该模块主要分为两个部分：姿态转换模块(Pose Change Module，PCM)和反卷积网络模块。
判别器：主要包括外观判别器Da和姿态判别器Dp，分别用来判断生成图片与原始图片的外观相似度和生成图片姿态与目标姿态的相似度。两个判别器均采用了ResNet-50网络结构提取特征，两个判别器的输入分别是生成图片与原始图片或生成图片与目标姿态热图叠加后的数据。两个判别器的输出得分分别记为Ra和Rp，Ra和Rp为softmax层的输出，整个判别器最终的得分记为两个判别器得分的乘积，即R＝Ra·Rp。
S5：设计一种联合训练策略，充分挖掘行人外观信息，克服姿态变化产生的影响，并提升生成样本图像的质量。
具体来说，每次输入一对行人样本，行人外观编码模块Ef和行人姿态编码模块Ep分别对其提取视觉外观特征和姿态特征，然后将视觉外观特征与姿态特征融合后送入反卷积网络生成新的行人样本，在此基础上使用Ef对生成的行人样本提取行人外观特征，最后将原始图片和生成图片的视觉外观特征同时送入MPN计算分类损失。
数据集的预处理和训练参数的设定，所有行人图像的大小统一调整为256×128，对所有行人图像使用随机裁剪，随机水平翻转，随机擦除等数据增强策略，采用Adam优化器对S1-S5提出的方法进行优化，其中，，共迭代800个周期，学习率初始为，在进行400个周期的训练后，每100周期衰减为原来的10％，行人外观编码模块Ef和PCM模块使用Dropout策略，多尺度预测模块的全连接层使用Leaky ReLU激活函数，且负斜率的系数，在训练过程中，本发明采用迭代两次生成器后迭代一次判别器的方式交替训练PGGAN，在测试阶段，行人样本的特征向量在归一化处理后使用欧氏距离来评估两个行人样本间的相似度。
本发明提出了一种基于姿态引导的生成对抗网络(PGGAN)，PGGAN主要由行人外观编码模块、行人姿态编码模块和解码模块组成，输入一个行人样本图像和目标行人姿态，通过对行人的外观和姿态进行编码，然后与目标姿态进行融合后并解码，该网络可以将原始行人样本转换为目标姿态下清晰的行人样本图像。通过PGGAN可以有效地扩充行人重识别数据集的规模与姿态多样性。此外，为了使行人重识别网络充分利用PGGAN中的行人外观信息和对数据集的扩充，克服行人姿态变化产生的影响，以及提升PGGAN生成样本图像的质量，本发明提出了一种PGGAN与行人重识别网络联合训练的策略，行人重识别模型的特征提取网络采用PGGAN中的行人外观编码模块的网络结构，在模型训练阶段，该部分共享网络参数，在训练过程中，PGGAN生成的样本图像被在线输入到行人重识别模型中提出特征并进行行人重识别训练。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的保护范围内所做的任何修改，等同替换等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于姿态引导生成对抗网络的行人重识别方法，其特征在于：包括如下步骤：
S1：利用ResNet-50构建行人重识别模型的主干网络，用于提取行人特征；
S2：构建多尺度行人重识别网络MPN；用于融合不同尺度的行人特征；在ResNet-50网络模型的基础上，创建包含有三个分支的多尺度信息融合结构，用来提取网络中不同尺度的特征信息，所述三个分支分别为ResNet-50网络模型正常的主干网络预测分支一，在ResNet-50网络模型的stage-3和stage-4后分别加入的预测分支二和预测分支三，所述的预测分支一、预测分支二和预测分支三统称为多尺度分类模块；
S3：构建姿态转移模块PCM，用于融合行人的姿态和外观特征，姿态转移模块PCM是由若干个姿态转换块PCB级联组成；PCM将原始行人的外观编码Cm A与融合原始姿态和目标姿态的姿态编码Cm,j P进行融合，输出目标姿态的行人外观编码Cm,j A，最终将Cmj A输入反卷积网络中生成目标姿态的行人样本；PCB是一个独立的模块结构，PCB是一个双流的结构，一个是外观编码流，一个是姿态编码流，且两个流之间具有相互作用的结构，对于单个PCB来说，将外观编码流的输入记为fi，将姿态编码流的输入记为pi，则PCB在两个流的作用下，逐渐的输出fi+1和pi+1；PCB具体的原理如下：PCB主要是处理原始行人的外观数据分布，逐步的将其转换成目标行人姿态的外观数据分布，将姿态编码看作为一个姿态掩模，PCB主要是将这个姿态掩模作用到外观编码中，而姿态编码掩模中对应的是新的外观数据分布的权重，因此将姿态编码流的输入pi经过卷积层的编码后，乘以一个权重系数后，将其与外观编码流的特征进行点乘操作；将姿态编码掩模记作Mp，则Mp的表达式为：Mp＝α·conνp1(pi)；其中，conνp1代表姿态编码流的第一次卷积操作，主要包含三个卷积层和一个BN层；当得到姿态掩模之后，将其与外观编码数据进行融合，考虑到编码特征的网络层深度较高，容易产生梯度消失的问题，在外观编码流中引入了残差结构，外观编码流的输出记为：fi+1＝Mp□[fi+conνf(fi)]；其中，□代表矩阵点乘运算，conνf代表外观编码流的卷积操作，与姿态编码流的卷积操作类似，也是由3个卷积层和一个BN层构成；单个PCB模块不足以将原始的外观编码数据分布直接转换到目标行人姿态的外观编码数据分布，因此需串联多个PCB模块处理数据，对于非最终的PCB模块来说，需将处理后的外观编码数据融入姿态编码数据中，输入到下一个PCB模块中，因此：pi+1＝conνp2[β·fi+1+conνp1(pi)]；其中，conνp2代表姿态编码流的第二次卷积操作；
S4：构建基于姿态引导的生成对抗网络PGGAN，用于生成不同姿态下的行人样本图像；PGGAN主要包括生成器网络G和判别器网络D，以及使用的对抗损失函数，其中生成器网络G包括行人外观编码器、行人姿态编码器、PCM模块和反卷积网络；编码器：使用ResNet-50网络中的卷积层作为行人外观编码器Ef，使用VGG-16网络中的卷积层作为行人姿态编码器Ep，在对姿态编码之前，首先将原始姿态和目标姿态沿通道方向进行叠加，将两个不同的姿态混合在一起送入编码器Ep进行编码；解码器：该模块主要分为两个部分：姿态转换模块和反卷积网络模块；判别器：主要包括外观判别器Da和姿态判别器Dp，分别用来判断生成图片与原始图片的外观相似度和生成图片姿态与目标姿态的相似度；两个判别器均采用了ResNet-50网络结构提取特征，两个判别器的输入分别是生成图片与原始图片或生成图片与目标姿态热图叠加后的数据；两个判别器的输出得分分别记为Ra和Rp，Ra和Rp为softmax层的输出，整个判别器最终的得分记为两个判别器得分的乘积，即R＝Ra·Rp；
S5：设计联合训练策略，挖掘行人外观信息，克服姿态变化产生的影响，并提升生成样本图像的质量。
2.根据权利要求1所述的一种基于姿态引导生成对抗网络的行人重识别方法，其特征在于：S1中，利用ResNet-50构建行人重识别模型的主干网络的具体流程为：先将ResNet-50在ImageNet上进行预训练，再去除掉了conv5_x中最后一个空间下采样操作，增加了Nn-dim全连接层进行分类，用Nn表示数据集中行人身份的数量。
3.根据权利要求1所述的一种基于姿态引导生成对抗网络的行人重识别方法，其特征在于：所述的三个分支的结构相同，均由全局平均池化层、特征向量层和分类层三层全连接层组成，所述的三个分支的每个分支使用了一个分类损失函数，将每个分支的特征级联后，使用了一个验证损失函数，总的损失函数Lreid如下：
Lreid＝Lid 1+μ1Lid 2+μ2Lid 3+νLid t；
其中，Lid 1，Lid 2，Lid 3为交叉熵分类损失函数，Lid t为三元组损失函数，μ1，μ2为平衡多尺度预测分支的系数，ν为平衡验证损失和分类损失的系数。
4.根据权利要求1所述的一种基于姿态引导生成对抗网络的行人重识别方法，其特征在于：S5中，联合训练策略的设计流程如下：
S5-1：向S4中的生成对抗网络PGGAN中，每次输入一对行人样本，行人外观编码模块Ef和行人姿态编码模块Ep分别对其提取视觉外观特征和姿态特征；
S5-2：将视觉外观特征与姿态特征融合后送入反卷积网络生成新的行人样本；
S5-3：在S5-2的基础上，使用行人外观编码模块Ef对生成的行人样本提取行人外观特征；S5-4：将原始图片和生成图片的视觉外观特征同时送入MPN计算分类损失。
CN202110541015.9A 2021-05-18 2021-05-18 一种基于姿态引导生成对抗网络的行人重识别方法 Active CN113408351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110541015.9A CN113408351B (zh) 2021-05-18 2021-05-18 一种基于姿态引导生成对抗网络的行人重识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110541015.9A CN113408351B (zh) 2021-05-18 2021-05-18 一种基于姿态引导生成对抗网络的行人重识别方法

Publications (2)

Publication Number Publication Date
CN113408351A CN113408351A (zh) 2021-09-17
CN113408351B true CN113408351B (zh) 2022-11-29

Family

ID=77678724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110541015.9A Active CN113408351B (zh) 2021-05-18 2021-05-18 一种基于姿态引导生成对抗网络的行人重识别方法

Country Status (1)

Country Link
CN (1) CN113408351B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113920306B (zh) * 2021-09-30 2022-10-25 北京百度网讯科技有限公司 目标再识别方法、装置及电子设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832672B (zh) * 2017-10-12 2020-07-07 北京航空航天大学 一种利用姿态信息设计多损失函数的行人重识别方法
TWI682359B (zh) * 2018-01-29 2020-01-11 國立清華大學 影像補全方法
US10552714B2 (en) * 2018-03-16 2020-02-04 Ebay Inc. Generating a digital image using a generative adversarial network
CN110135366B (zh) * 2019-05-20 2021-04-13 厦门大学 基于多尺度生成对抗网络的遮挡行人重识别方法
CN110427813B (zh) * 2019-06-24 2023-06-09 中国矿业大学 基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法
CN110796080B (zh) * 2019-10-29 2023-06-16 重庆大学 一种基于生成对抗网络的多姿态行人图像合成算法
CN111161200A (zh) * 2019-12-22 2020-05-15 天津大学 基于注意力机制的人体姿态迁移方法
CN111753684B (zh) * 2020-06-11 2022-07-08 昆明理工大学 一种利用目标姿势进行生成的行人重识别方法
CN112184542A (zh) * 2020-07-17 2021-01-05 湖南大学 姿势导引的风格保持人体图像生成方法
CN112418074B (zh) * 2020-11-20 2022-08-23 重庆邮电大学 一种基于自注意力的耦合姿态人脸识别方法

Also Published As

Publication number Publication date
CN113408351A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN107330396B (zh) 一种基于多属性和多策略融合学习的行人再识别方法
CN110084151B (zh) 基于非局部网络深度学习的视频异常行为判别方法
CN109190475B (zh) 一种人脸识别网络与行人再识别网络协同训练方法
Hao et al. The design of intelligent transportation video processing system in big data environment
CN110378233B (zh) 一种基于人群行为先验知识的双分支异常检测方法
CN111523378B (zh) 一种基于深度学习的人体行为预测方法
CN113239822A (zh) 基于时空双流卷积神经网络的危险行为检测方法及系统
CN111738218B (zh) 人体异常行为识别系统及方法
CN109190472A (zh) 基于图像与属性联合引导的行人属性识别方法
CN100534132C (zh) 基于判别光流张量和hmm的视频语义单元检测方法
CN112084928A (zh) 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法
CN113408351B (zh) 一种基于姿态引导生成对抗网络的行人重识别方法
CN115171047A (zh) 基于轻量级长短距离注意力transformer网络的火灾图像检测方法
Cao et al. MCS-YOLO: A multiscale object detection method for autonomous driving road environment recognition
Han et al. A method based on multi-convolution layers joint and generative adversarial networks for vehicle detection
Wu et al. Single shot multibox detector for vehicles and pedestrians detection and classification
Ma et al. YOLO-cigarette: An effective YOLO network for outdoor smoking real-time object detection
Li et al. Application research of artificial intelligent technology in substation inspection tour
Yuan et al. Real‐time recognition and warning of mask wearing based on improved YOLOv5 R6. 1
CN111898440B (zh) 一种基于三维卷积神经网络的山火检测方法
Faisal et al. Automated traffic detection system based on image processing
CN117253191A (zh) 一种基于detr模型的安全帽佩戴检测方法
CN116403286A (zh) 一种面向大场景视频的社交分组方法
CN114120076A (zh) 基于步态运动估计的跨视角视频步态识别方法
Liu et al. Lightweight security wear detection method based on YOLOv5

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant