[发明专利]联合对抗生成网络的行人属性识别方法、系统及装置

权利要求书

1.一种联合对抗生成网络的行人属性识别方法，其特征在于，包括：

获取待识别图像数据；

通过行人属性识别模块对所述待识别图像数据进行识别，得到行人属性；

其中，所述行人属性识别模块通过以下步骤训练得到：

获取行人属性识别的训练样本数据；

根据所述训练样本数据训练得到第一行人属性识别模块；

通过对抗生成编码模块对所述训练样本数据进行编码，得到编码特征，所述编码特征包括光照变化信息和天气变化信息；

将所述编码特征输入至对抗生成解码模块进行解码后，得到第二行人属性识别模块，并通过对抗生成判别器对解码结果进行校验；

根据所述第一行人属性识别模块和所述第二行人属性识别模块确定行人属性识别损失函数；

根据所述行人属性识别损失函数，训练得到行人属性识别模块。

2.根据权利要求1所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述通过对抗生成编码模块对所述训练样本数据进行编码，得到编码特征，包括：

通过迁移光照变化的第一对抗生成编码模块对所述训练样本数据进行第一编码；

通过迁移天气变化的第二对抗生成编码模块对所述训练样本数据进行第二编码；

通过权值参数，根据所述第一编码的结果和所述第二编码的结果，确定编码特征。

3.根据权利要求1所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述对抗生成解码模块包括4个残差模块和4个卷积层，所述残差模块包括2个自适应归一化层。

4.根据权利要求1所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述行人属性识别损失函数的确定方法包括：

确定行人属性种类数量；

确定行人属性类别数量；

确定指示变量以及对于样本属于类别的概率；

根据所述行人属性种类数量、行人属性类别数量以及所述概率，计算行人属性识别损失函数。

5.根据权利要求1所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述行人属性包括行人性别、行人年龄、衣服类型以及衣服风格。

6.根据权利要求1所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述对抗生成判别器的损失函数的计算公式为：

L_CycleGAN(G,F,D_X,D_Y)＝L_GAN(G,D_Y,X,Y)+L_GAN(F,D_X,Y,X)+L_Cycle(G,F)，

其中，X和Y分别代表两个不同的数据域；G和F代表两个生成器网络；F代表***；D_X代表X这一数据域的鉴别器网络；D_Y代表Y这一数据域的鉴别器网络；L_GAN()代表对抗损失；L_Cycle()代表对偶网络的循环损失；L_CycleGAN()代表对抗生成判别器的总损失函数。

7.根据权利要求1或4所述的一种联合对抗生成网络的行人属性识别方法，其特征在于，所述行人属性识别损失函数的计算公式为：

其中：N代表行人属性种类数量；M代表一种行人属性类别数量；y_c代表指示变量，p_c代表对于观测样本属于类别c的预测概率；L_attribution代表行人属性识别损失函数。

8.一种联合对抗生成网络的行人属性识别系统，其特征在于，包括：

获取模块，用于获取待识别图像数据；

行人属性识别模块，用于对所述待识别图像数据进行识别，得到行人属性；

其中，所述行人属性识别模块根据权利要求1所述的方法训练得到。