[發明專利]基于深度學習的足跡鑒別與步態檢測方法及其裝置

有效

• 申請號: 201811191596.2
• 申請日: 2018-10-12
• 公開（公告）號: CN109359580B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 董秋杰;周盛宗;韓愛福
• 申請（專利權）人: 中國科學院福建物質結構研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 胡璇

1.一種基于深度學習的足跡鑒別與步態檢測方法，其特征在于，包括：

步驟S100：識別待識別人體足跡圖像輸出足跡擁有者的基本身份特征信息；

步驟S200：將所述足跡擁有者的基本身份特征信息輸入采用人體步態有效視頻數據集訓練的第四神經網絡中，輸出所述人體基本身份特征的步態信息；

步驟S300：在待檢測視頻中根據人體基本身份特征的步態信息檢測出與所述步態信息相吻合的人體圖像。

2.根據權利要求1所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述步驟S100中“識別”步驟：采集人體足跡有效圖像數據集，根據預設網絡結構構建第一神經網絡，采用所述人體足跡有效圖像數據集訓練所述第一神經網絡，獲得第二神經網絡，將待識別人體足跡圖像輸入所述第二神經網絡，輸出足跡擁有者的基本身份特征信息。

3.根據權利要求1所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述第四神經網絡的訓練包括以下步驟：采集人體步態有效視頻數據集，根據預設網絡結構構建第三神經網絡，采用所述人體步態有效視頻數據集訓練所述第三神經網絡，獲得第四神經網絡。

4.根據權利要求2所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述步驟S100中包括以下步驟：

步驟S110：采集人體足跡圖像并集合存儲為人體足跡圖像數據集；

步驟S120：分揀所述人體足跡圖像數據集中的有效圖像；

步驟S130：對各所述有效圖像加設標簽后，將各已設標簽的圖像存儲為所述人體足跡有效圖像數據集。

5.根據權利要求2所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述步驟S100中包括以下步驟：

步驟S140：將所述人體足跡圖像有效圖像數據集輸入至所述第一神經網絡，然后經過逐級前向傳播，再逐級反向傳播，獲得訓練圖像神經網絡；

步驟S150：測試所述訓練圖像神經網路的識別結果正確率是否達到閾值；

步驟S160：如果判斷結果為是，則輸出訓練圖像神經網絡作為第二神經網絡，如果判斷結果為否，則重復步驟S140～S150。

6.根據權利要求1所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述步驟S200中包括以下步驟：

步驟S210：采集人體步態視頻并集合存儲為人體步態視頻數據集；

步驟S220：分揀所述人體步態視頻數據集中的有效視頻；

步驟S230：對各所述有效視頻加設標簽后，將各已設標簽的視頻存儲為所述人體步態有效視頻數據集。

7.根據權利要求3所述的基于深度學習的足跡鑒別與步態檢測方法，其特征在于，所述步驟S200包括以下步驟：

步驟S240：將所述人體步態有效視頻數據集輸入至所述第三神經網絡，然后經過逐級前向傳播，再逐級反向傳播，獲得訓練視頻神經網絡；

步驟S250：測試所述訓練視頻神經網路的識別結果正確率是否達到閾值；

步驟S260：如果判斷結果為是，則輸出訓練視頻神經網絡作為第四神經網絡，如果判斷結果為否，則重復步驟S240～S250。

8.一種如權利要求1～7中任一項所述方法用的基于深度學習的足跡鑒別與步態檢測裝置，其特征在于，包括：

網絡構建模塊：用于根據預設網絡結構構建第一神經網絡和第三神經網絡；

網絡訓練模塊：用于采用人體足跡有效圖像數據集訓練所述第一神經網絡，獲得第二神經網絡，

還用于采用所述人體步態有效視頻數據集訓練所述第三神經網絡，獲得第四神經網絡；

網絡模塊：用于采用所述第二神經網絡識別待識別人體足跡圖像，輸出足跡擁有者的基本身份特征信息至所述第四神經網絡，所述第四神經網絡輸出人體基本身份特征的步態信息；

檢測模塊：用于在待檢測視頻中根據人體基本身份特征的步態信息檢測出與所述步態信息相吻合的人體圖像。