[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

说明书

本发明公开了一种基于自适应双分支网络的低分辨率行人再识别方法，包括步骤：(1)获取低分辨率行人图片，输入到双分支网络，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双分支网络后得到两张高分辨率图像；(2)将上述两个高分辨率图像进行融合，得到超分辨率图像；(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，根据相似度确定低分辨率行人图片中行人的身份。本发明结合自适应双分支网络和特征提取网络，进行端到端训练，具有超分辨率图片视觉效果好、行人再识别准确率高的特点，具有很强的应用价值。

技术领域

本发明属于计算机视觉与模式识别领域，特别涉及一种基于自适应双分支 网络的低分辨率行人再识别方法。

背景技术

行人再识别技术(re-id)的作用是在多摄像头无重叠视频监控环境下，通过 一系列的图像技术进行跨摄像头行人匹配，即判断某个摄像头的监控视频中出 现的人物是否在其它摄像头的监控视频中出现过。

主流的行人再识别方法为基于深度学习提取行人特征，主要关注跨摄像头 图片存在的光照变化、视角变化和遮挡等问题，往往忽略了低分辨率的问题。 低分辨率问题一般由远距离拍摄和图片质量差等问题引起，会使行人再识别方 法的准确率急剧下降。

目前存在一些针对低分辨率的行人再识别方法，其主要思路是：先把低分 辨率图片输入到超分辨率网络或者生成对抗网络，得到高分辨率图片，再把高 分辨率图片输入到特征提取网络中获得行人特征。这些做法取得了一定的效果， 但是超分辨率网络生成的图片普遍比较模糊，而生成对抗网络生成的图片虽然 有清晰的细节，但是会引入错误的细节。这两种网络的缺陷均不利于特征提取 网络提取到有效的特征。因此，这些方法提高了输入图像的质量，但是没有达 到很好的效果，其识别结果差强人意。

发明内容

为了克服现有超分辨率方法会生成模糊图片而生成对抗网络会生成错误细 节的缺点，本发明提出了一种基于自适应双分支网络的低分辨率行人再识别方 法，该方法结合自适应双分支网络和特征提取网络，进行端到端训练，具有超 分辨率图片视觉效果好，行人再识别准确率高的特点，具有很强的应用价值。

该方法通过超分辨率网络生成整体重构图像；通过生成对抗网络生成细节 清晰的图像，再融合两张生成图像，达到结合超分辨率网络和生成对抗网络的 优点的目的，能显著提高低分辨率行人再识别的准确率。

本发明的目的通过以下的技术方案实现：一种基于自适应双分支网络的低 分辨率行人再识别方法，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(SR)分支和生成对抗网络(GAN)分支，低分辨率行人图片通过 超分辨率网络分支生成能反应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；

(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。

优选的，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。