[发明专利]基于行人分割的跨域行人重识别方法

权利要求书

1.基于行人分割的跨域行人重识别方法，其特征在于，包括如下步骤：

步骤1，将源域图片和目标域图片分别输入到行人分割模型进行分割，得到各自对应的行人前景和图片背景；

步骤2，根据步骤1，将源域图片得到的行人前景和目标域图片得到的图片背景输入到GAN网络，生成新图片；

步骤3，定义GAN网络的损失函数，采用源域图片、目标域图片以及新图片对GAN网络进行训练，得到新生成的图片；

步骤4，对于源域图片、目标域图片和新生成的图片，根据行人属性对行人重识别模型的影响，将图片分成5个感兴趣区域，对每个区域设置不同的擦除概率，并在每个区域中采用随机擦除的数据增广方法随机擦除限定范围的矩形块；

步骤5，将经过步骤4后的图片输入卷积神经网络得到特征图，对特征图进行全局池化得到全局特征，对特征图进行水平池化得到局部特征，则每张图片都对应1个全局特征和5个局部特征；

步骤6，根据全局特征和局部特征计算源域图片和新生成的图片之间的相似度，以及目标域图片和新生成的图片之间的相似度；

步骤7，对于一张新生成的图片，从源域图片中选择与该新生成的图片行人前景相同，但相似度最低的图片，从目标域图片中选择与该新生成的图片相似度最高的图片，与该新生成的图片构成三元组，设定难样本三元组损失函数，利用难样本三元组损失函数训练行人重识别模型；

步骤8，利用训练好的行人重识别模型，提取目标域图片的行人特征，给定待检索的行人图片，从目标域图片中检索最匹配的行人图片并输出。

2.根据权利要求1所述基于行人分割的跨域行人重识别方法，其特征在于，所述步骤2的具体过程如下：

对于源域图片得到的行人前景，将行人前景分成5个感兴趣区域，分别为头部、上身、大腿、小腿和鞋子，将行人前景输入卷积神经网络得到行人前景特征图，将5个感兴趣区域分别与行人前景特征图相乘，再经过编码得到行人前景的前景特征；对于目标域图片得到的图片背景，将图片背景输入卷积神经网络得到图片背景特征图，将图片背景与图片背景特征图相乘，再经过编码得到图片背景的背景特征；将前景特征与背景特征拼接后，再经过解码得到新图片。

3.根据权利要求1所述基于行人分割的跨域行人重识别方法，其特征在于，步骤3所述GAN网络的损失函数为：

L_G＝L_S+L_T+λ₁L_C+λ₂L_ID

其中，L_S为源域的判别损失，L_T为目标域的判别损失，L_ID为源域图片的ID损失，L_C为CycleGAN的循环损失，λ₁和λ₂为平衡损失的权重。