[发明专利]一种基于联合判断与生成学习的行人重识别方法及装置

权利要求书

1.一种基于联合判断与生成学习的行人重识别方法，其特征在于，包括：

基于给定的行人图像搭建生成学习卷积神经网络模块；所述生成学习卷积神经网络模块包括自我生成网络和交叉生成网络；所述自我生成网络用于对给定的行人图像进行重建，生成重建图像，所述交叉生成网络用于对具有不同身份特征的行人图像进行合成，生成合成图像；

基于所述生成学习卷积神经网络模块，搭建联合判别模块；所述联合判别模块用于学习所述重建图像和合成图像的初步特征，以及用于挖掘所述重建图像和合成图像的细粒度特征；

基于所述生成学习卷积神经网络模块的损失函数和所述联合判别模块的损失函数，确定所述生成学习卷积神经网络模块和所述联合判别模块的整体网络的损失函数，并根据所述整体网络的损失函数确定行人重识别系统模型；所述行人重识别系统模型用于基于行人图像对行人进行重识别。

2.根据权利要求1所述的基于联合判断与生成学习的行人重识别方法，其特征在于，所述基于卷积神经网络搭建生成学习卷积神经网络模块，包括：

构建自我生成网络中的用于重构行人图像的图像重构损失函数为：

其中，G(a_i，s_i)表示基于行人图像x_i重构的图像，a_i表示行人图像x_i中的表层信息代码，s_i表示行人图像x_i中的结构信息代码；

构建所述自我生成网络中的用于区分不同图像的不同身份特征的损失函数为：

其中，p(y_i|x_i)是基于图像本身的表层信息代码中行人图像x_i隶属于身份标签y_i的可能性预测；对于给定的行人图像其身份标签为其中N为图像数量，y_i∈[1，K]，K为在数据集中的种类或者身份信息数量；

构建交叉生成网络中合成行人图像时用于重建行人图像中的表层信息代码的表层信息代码重建损失函数及用于重建行人图像中的结构信息代码的结构信息代码重建损失函数：

其中，为用于重建行人图像中的表层信息代码的表层信息代码重建损失函数，为用于重建行人图像中的结构信息代码的结构信息代码重建损失函数；

构建所述交叉生成网络中的用于区分不同图像的不同身份特征的损失函数为：

其中，是合成的图像中身份标签y_i对于行人图像x_i的真实的有效值的重叠概率；

构建为真实数据分配的生成图像匹配的对抗损失函数：

L_adv＝E[log D(x_i)+log(1-D(G(a_j，s_j)))]

其中，D(·)为判别器，D(x_i)代表判别所述行人图像x_i中的像素点之间的区别，D(G(a_j，s_j))代表判别所述基于行人图像x_i重构的图像中的像素点之间的区别；

基于所述图像重构损失函数、所述自我生成网络中的用于区分不同图像的不同身份特征的损失函数、所述表层信息代码重建损失函数、所述结构信息代码重建损失函数、所述交叉生成网络中的用于区分不同图像的不同身份特征的损失函数以及所述对抗损失函数，并根据图片处理方法和残差网络50模型，搭建生成学习卷积神经网络模块。