[发明专利]一种基于生成对抗网络的步态识别方法

权利要求书

1.一种基于生成对抗网络的步态识别方法，其特征在于：包括以下步骤：

步骤1：特征提取阶段：对数据集中所有已经标记好身份的行走视频进行处理，转换为步态能量图，且步态能量图一半作为训练集另一半用作测试集；训练和测试所用的数据集均包含0°，18°，……，162°，180°共11个视角以及正常状态nm、携带背包bg和穿着大衣cl三种行走状态；此外，测试所需的验证集包含上述11个视角和nm状态；取出训练集部分的步态能量图对基于生成对抗网络的多领域转换模型进行训练直至模型收敛；

步骤2：步态识别阶段：由于验证集样本全为nm行走状态，因此运用步骤1中所述的多领域转换模型将测试样本转换成与验证集一致的视角和nm状态，得到新的测试样本步态能量图，然后再和验证集中所有步态能量图进行相似度比较，根据相似度大小得出识别结果。

2.根据权利要求1所述的基于生成对抗网络的步态识别方法，其特征在于：所述多领域转换模型包括一个判别器D和一个生成器G；该多领域转换模型完成两种转换，即不同视角之间的转换和穿着大衣和背包状态向正常行走状态的转换，两种转换可同时进行，最终合成所需目标域图像。

3.根据权利要求1所述的基于生成对抗网络的步态识别方法，其特征在于：所述步骤1的详细过程为：

步骤101：提取训练集的步态能量图；

步骤102：对于训练集中的步态能量图，按照视角划分为11个目标域，按照行走状态划分为3个目标域，分别对这14个域进行命名并设置标签c，c的取值为0或1；

步骤103：将输入图片x和目标域标签c结合输入生成器G中合成假图片G(x,c)；

步骤104：输入图片x和假图片G(x,c)输入到判别器D，D学习如何区分真实图像和伪造图像，并给出对应的域分类；

步骤105：生成器G同时输入真实图像和目标域的标签并生成假图像，在输入时目标域标签被复制并与输入图像拼接在一块；定义针对假图像G(x,c)的域分类损失用于优化G，计算公式为：

步骤106：生成器G尝试从给定原始域标签的假图像重建原始图像；定义周期一致性损失L_rec，计算公式如下：

L_rec＝E_x,c,c′[||x-G(G(x,c),c′)||₁]

这里就是将生成的G(x,c)和图片x的原始标签c′结合输入G中，将生成的图片和x计算1范数差异，G通过努力降低L_rec，使得重建后得到的图片尽可能接近原图片x；

步骤107：结合上述步骤103～106，目标是生成器G试图生成与真实图像不可区分的图像同时又很容易被判别器D所区分出来，判别器D和生成器G的总体损失定义为如下公式：

其中，λ_cls和λ_rec是分别用来调节域分类损失与重建损失对于总体损失影响的超参数；

步骤108：整个训练过程基于反向传播算法，运用Adam优化器使得超参数λ_cl和λ_rec的选择更具有鲁棒性，将所有训练图片输入模型中，训练至生成器损失L和判别器损失L_D不断下降并趋于稳定。