[發明專利]一種基于深度學習的多視角步態識別方法

在審

• 申請號: 202010012500.2
• 申請日: 2020-01-07
• 公開（公告）號: CN111476077A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 吳建;丁韜;許鏡
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于深度學習的多視角步態識別方法，屬于計算機視覺和機器學習技術領域，包括S1：采集人的步態，從每段視頻序列中隨機抽取n幀，通過背景減除法提取步態輪廓圖；S2：將提取的n張目標輪廓圖進行預處理；S3：以人體運動的幅度來表示周期性變化，檢測一個步態周期內的輪廓圖；S4：以單一通道的步態能量圖為基礎，將步態序列中的幀映射到不同的通道，根據幀的幅度確定通道的邊界；S5：將獲得的多通道步態模板組成用于輸入的集合，對每個模板提取特征后再將這些特征進行聚合；S6：選擇度量學習的方法，提出具有增強約束的Triplet Loss函數來學習到最優的特征，辨別得到的特征聚合向量進行識別。

技術領域

本發明屬于計算機視覺和機器學習技術領域，涉及一種基于深度學習的多視角步態識別方法。

背景技術

步態識別是近年來計算機視覺和生物特征識別領域一個備受關注的研究方向，它旨在根據人們走路的姿勢進行身份識別。每個人走路的風格都各有不同，這都源于每個人的骨骼長度、肌肉強度、重心強度以及運動神經靈敏度等24種不同的成分的差異性所造成的，如果把這些成分都考慮到，則步態是為個體所特有的。正是由于每個人步態的唯一性，且利用步態來識別個體具有遠距離、非受控、不易偽裝等優點，使得步態識別技術有了長足的發展，在醫療、監控和疑犯跟蹤等方面都有很廣闊的應用前景。步態識別作為一種新興的生物識別技術，相比于較為成熟的識別技術如指紋、人臉識別等，在識別精度和速度方面都有一定的不足。隨著卷積神經網絡的帶動發展，步態識別研究成果在各方面的性能得到了很大的提升。步態特征提取是整個識別過程中最為關鍵的一步，也是一直以來國內外學者的研究熱點?，F如今的步態特征提取的方法主要可分為基于模型匹配的方法和基于外觀匹配的方法。

基于模型匹配的方法提供了可用于測量肢體長度、人體關節角度和角速度的運動學模型，在基于模型的步態識別中，2D/3D人體運動姿態模型常被用于提取步態特征。2D運動姿態建模的方法主要基于腿、頭、手臂等肢體長度與身體高度的比例。Bouchrika等人利用橢圓傅立葉描述符(Elliptic Fourier Descriptors,EFD)提取人體關節，以參數化形式描述人體運動的空間模型模板。同時，采用自適應序列前向漂浮選擇(AdaptiveSequential Forward Floating Selection, ASFFS)搜索算法去除冗余步態特征并獲取具有區分度的步態特征。Deng等人基于人體模型構建了一個二維人體運動模型并提取四個下肢關節角度作為運動特征并使用確定性學習 (Deterministic Learning,DL)方法學習這些人體姿態參數，最終根據最小距離準則判斷待測個體與訓練集中個體的相似度完成身份識別。除了2D人體運動模型外，在多視角、遮擋等方面具有優勢的3D人體模型也常被用于步態特征提取。鄧秀春等提出了基于三維步態特征的步態識別方法，但是該方法需要多臺攝像頭同時進行數據采集，對衣服變化等處理比較困難。Lu 等人采用41個標簽來標記身體的關節點并通過放置周圍的12臺攝像機采集人體上的標記點并以此構建出人體運動姿態。獲得人體運動姿態后，將左右腿的角度結合計算出聯合分布譜，并依此分布譜進行身份識別。