[發明專利]結合子空間學習與張量神經網絡的步態識別方法及系統

有效

• 申請號: 201710126382.6
• 申請日: 2017-03-06
• 公開（公告）號: CN106919921B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 劉洪濤;劉光軍;蹇潔;劉媛媛;雷大江
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

本發明公開了一種結合子空間學習與張量神經網絡的步態識別方法及系統，屬于智能識別領域。所述方法包括：獲取步態數據，得到步態數據集，并處理得到剪影圖集合，進一步得到步態能量圖；將剪影圖的80％作為訓練集進行降維處理，剩余20％作為測試集數據對訓練結果進行測試，然后將步態能量圖和降維處理后的數據經張量神經網絡模塊進行特征提取，再經支持向量機作為分類器進行分類，最終將訓練集和測試集結果進行對比得到識別鑒定行人身份結果。本發明實現方法簡單，硬件成本低，可以自動對特定場所進行人員身份權限檢測及偽裝人員身份鑒定，有效提高監控場所的安全防護及多種情形下的身份鑒定。

技術領域

本發明涉及智能識別領域，特別涉及一種結合子空間學習與張量神經網絡的步態識別方法及系統。

背景技術

為了更好地保護個人、家庭以及企業的財產安全、信息安全，很多場所都配備有安全防護措施。傳統的安防主要依靠人力，如設立門衛進行登記、組織人員進行巡邏等；由于這種方式不能保證每個區域在任意時刻都有保衛人員，容易出現安全漏洞。近年來，隨著計算機、網絡以及圖像處理、傳輸技術的飛速發展，步態識別技術越來越顯示其價值所在。通過對視頻材料的處理可得步態識別圖像資料，能避免指紋偽造、假面具防人臉識別等情況，因步態識別的這種特殊性，幾乎可以做到零偽造，另想避開這種技術的罪犯等束手無策，大大節省了需要投入的人力物力，且安全可靠性更高。

但是現在的大部分人員識別采用的本質上還是一種人為監控方式，即通過對監控區域內的環境進行錄像，依靠監控人員的肉眼來發現異常，而無法對一些特定情況下的人進行精確檢測，無法避免指紋仿造、佩戴假面具等偽造措施，。這種人為監控方式成本較高、靈活性差、局限性大、對人體活動及穿戴等情況要求高，無法滿足用戶即一些精準識別需求的真正需求。當前機器學習等方面技術的迅速發展極大地帶動了識別技術的發展，模式識別、計算機視覺等領域的相關技術地引入，大大提高了步態識別技術，在行人監測系統中得到了大量應用。

步態識別是一門融合了計算機視覺、模式識別與視頻圖像序列處理為一體的綜合技術。步態是唯一一種可以在較遠距離間感知的生物行為特征。它通過區分人的行走方式來鑒別個人身份。步態識別起初起源于心理學的相關研究，從20世紀90年代才真正在國際上發展，而在2000年開始在國內發展。步態識別可以在遠距離、非接觸的情況下進行進而彌補生物特征存在的不足，且其可多角度識別、極難偽造等優點另其優勢突出，所以近年來各國學術科研機構越來越重視步態識別技術。

發明內容

為了解決現有技術的問題，本發明提供了一種結合子空間學習與張量神經網絡的步態識別方法及系統，從盡量提高特征提取環節達到盡量高的識別率著手，通過對步態數據的處理、引入子空間思想的降維處理、以高階張量神經網絡作為特征提取器、以支持向量機作為分類器所組合的系統，減小因角度、步態速度、穿戴情況等對系統造成的不良影響，提高人員監測識別的準確率。所述技術方案如下：

一方面，本發明提供了一種結合子空間學習與張量神經網絡的步態識別方法，包括：

獲取步態數據，得到步態數據集；

對所述步態數據集中的步態數據進行圖像處理，得到剪影圖集合；

根據剪影圖集合，得到用于表現步態速度和形態的步態能量圖；

按照預設的分集規則，將所述剪影圖集合分為第一集合和第二集合；

將步態能量圖和第一集合的剪影圖數據輸入第一張量神經網絡，得到第一分類結果；

將步態能量圖和第二集合的剪影圖數據輸入第二張量神經網絡，得到第二分類結果；

第一分類結果和第二分類結果進行對比分析，得到識別結果。

進一步地，將第一集合/第二集合的剪影圖數據輸入第一張量神經網絡/第二張量神經網絡之前還包括：基于子空間學習方法，對剪影圖數據進行數據維度降低處理操作。