[发明专利]基于GAN和深度学习的换装行人再识别定位跟踪系统

说明书

一种基于GAN和深度学习的换装行人再识别定位跟踪系统，包括：行人目标检测模块、行人属性识别模块、换装样本生成模块、换装行人再识别模块、步态识别模块和定位跟踪模块，本发明针对已有技术体系的松散性和效果不稳定的特点，将行人目标检测、基于GAN网的换装样本生成，换装行人再识别、行人属性识别、步态识别等技术模块有机结合，彼此配合，实现了对换装行人的识别、属性提取、跟踪定位等功能，并具有完整的系统架构和可视化界面。

技术领域

本发明涉及的是一种信息安全领域的技术，具体是一种基于GAN和深度学习的换装行人再识别定位跟踪系统，旨在于提升换装情况下行人再识别的准确度，在实际情况下可大幅度提升长时间、跨设备、换装行人情况下行人身份分析、定位与跟踪的准确度，可提供详细的分析结果与记录。

背景技术

视频监控系统越来越多地应用到如机场、地铁站、学校、大型购物中心、十字路口等公共场所当中，不仅可用于公共安全事件的预防、应急、取证和备案，也为事后的回溯与重建提供了数据基础。行人再识别技术作为信息安全领域的一个新兴研究热点，是智能视频监控领域最具挑战性的问题之一，它描述的是在多摄像头无重叠视域监控环境下，通过一系列的图像处理和模式识别技术，判定出现在某个摄像头中感兴趣的目标人物是否在其他摄像头中出现过。

由于监控视频的目标图像分辨率低，不同场景中存在着光照变化、视角变化、行人姿态变化、复杂背景变化、身体遮挡，以及不同摄像头的不同参数问题，都使得行人再识别技术遇到了很大的挑战。而且在目前的行人再识别领域，默认行人在不同摄像头下都统一着装，并未换装，而且统一的着装是行人再识别的重要判别依据。但在现实应用中，目标可能会出现换装的情况，利用现有的算法对换装行人进行检测，识别率较低。

发明内容

本发明针对现有技术存在的所述不足，提出一种基于GAN和深度学习的换装行人再识别定位跟踪系统，针对已有技术体系的松散性和效果不稳定的特点，将行人目标检测、基于GAN网的换装样本生成，换装行人再识别、行人属性识别、步态识别等技术模块有机结合，彼此配合，实现了对换装行人的识别、属性提取、跟踪定位等功能，并具有完整的系统架构和可视化界面。

本发明是通过以下技术方案实现的：

本发明涉及的一种基于GAN网和深度学习的对换装行人的再识别与定位跟踪系统，包括：行人目标检测模块、行人属性识别模块、换装样本生成模块、换装行人再识别模块、步态识别模块和定位跟踪模块，其中：行人目标检测模块从监控视频流中提取出行人的位置信息并提取出只包含一个行人的帧级图片，行人属性识别模块通过内置的神经网络经训练后提取出帧级图片中拥有预设行人属性特征的可能性，由此识别出帧级图片中行人所拥有的属性特征并存入数据库，换装样本生成模块基于数据库中已有的行人图片数据和行人属性数据对帧级图片进行换装换姿态处理，并得到样本扩充图片作为训练集以提高换装行人再识别模块的行人再识别的准确率；换装行人再识别模块对帧级图片进行再识别并得到该行人的身份数据，步态识别模块将帧级图片转化为一系列行人步态剪影并进行步态特征计算以识别出该行人的身份信息，经与换装行人再识别模块识别出的身份数据进行综合，并使用综合的结果进行二次行人身份识别以提高识别的准确率，定位跟踪模块根据二次行人身份识别的结果和来自行人目标检测模块的已知的监控点中行人出现的时序，对行人的活动轨迹进行定位与跟踪。

技术效果

本发明整体解决了现有技术无法长时间、跨设备条件下换装行人再识别的缺陷；与现有技术相比，本发明以历史监控视频数据作为输入，能够在短时间内定位指定行人并跟踪其轨迹,在不增加人工监管与硬件设备的条件下，即可对监控视频下的人员进行长时间、大范围、高可信度的定位与跟踪，显著提升了多视角、多装束情况下的换装行人的识别准确率，并能够进行行人轨迹分析与行人关系分析，且本发明识别效率较高，灵活性强，模型更新方便，各模块模型可根据使用情况定期进行强化训练，提高系统性能。

附图说明

图1为本发明系统逻辑结构框图；