[发明专利]一种基于自适应双分支网络的低分辨率行人再识别方法

权利要求书

1.一种基于自适应双分支网络的低分辨率行人再识别方法，其特征在于，包括步骤：

(1)获取低分辨率行人图片，输入到双分支网络，所述双分支网络包括超分辨率网络分支和生成对抗网络分支，低分辨率行人图片通过超分辨率网络分支生成能反映行人整体形状的第一高分辨率图像，通过生成对抗网络分支生成细节清晰的第二高分辨率图像；

所述步骤(1)中，超分辨率网络分支由6个残差块组成，其损失函数是L1损失函数：

其中训练数据为其中和分别表示低分辨率图片和高分辨率图片，y_i表示身份标签，N表示训练样本个数，F_SR表示超分辨率网络分支；

所述步骤(1)中，生成对抗网络分支包含2个生成器和2个判别器组成，该分支的损失函数由生成对抗损失和循环损失组成；每个生成器都由6个残差块组成，每个判别器的网络结构都和Patch-GAN的判别器相同；

(2)将上述第一高分辨率图像和第二高分辨率图像进行融合，得到一张超分辨率图像；

(3)将超分辨率图像输入到特征提取网络，输出行人特征向量；

(4)将行人特征向量与目标数据集中行人图片的特征向量进行比对，计算相似度，根据相似度确定低分辨率行人图片中行人的身份。

2.根据权利要求1所述的基于自适应双分支网络的低分辨率行人再识别方法，其特征在于，所述步骤(2)中，将第一高分辨率图像和第二高分辨率图像进行融合，步骤是：在超分辨率网络分支和生成对抗网络分支之后分别设置两个卷积层，两个卷积层的权重以自适应学习的方式获得，如下：

其中，G_L2H表示低到高生成器；

对融合图片和目标数据集中原始高分辨率图片计算L1损失，该损失用于训练模型；

第一高分辨率图像和第二高分辨率图像分别经过对应的卷积层，然后将两个卷积层输出的结果相加，即得到超分辨率图像。

3.根据权利要求1所述的基于自适应双分支网络的低分辨率行人再识别方法，其特征在于，所述步骤(3)中，特征提取网络使用ResNet50，把倒数第2层的值作为特征，得到512维的行人特征向量。

4.根据权利要求1所述的基于自适应双分支网络的低分辨率行人再识别方法，其特征在于，所述步骤(4)中，使用欧氏距离计算行人特征向量和目标数据集中行人图片的特征向量的特征相似度，选取相似度最高的结果作为匹配输出，将目标数据集中行人的身份作为识别结果。