[發明專利]步態識別方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202010185319.1
• 申請日: 2020-03-17
• 公開（公告）號: CN111414840A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 李璽;吳昊潛;田健;曾浩;吳飛;董霖;葉新江;方毅
• 申請（專利權）人: 浙江大學;浙江每日互動網絡科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 郭麗

本申請涉及一種步態識別方法、裝置、設備和存儲介質。該方法包括：對待處理的視頻數據中各視頻幀進行人體姿態估計處理，得到視頻數據中各待識別對象的人體姿態信息，人體姿態信息至少包含表征待識別對象的步態的人體關鍵關節點的信息；將待識別對象的人體姿態信息輸入至特征識別網絡，得到視頻數據中各待識別對象的特征向量；對于每個待識別對象，在特征庫中搜索與待識別對象的特征向量匹配的目標特征向量，并將目標特征向量對應的身份信息確定為待識別對象的識別結果。采用本方法能夠顯著降低衣著變化對步態識別造成的影響，完成跨衣著識別，能更準確表征待識別對象的步態特征，從而提高了識別結果的準確率。

技術領域

本申請涉及計算機視覺技術領域，特別是涉及一種步態識別方法、裝置、設備及計算機可讀存儲介質。

背景技術

步態是指人們行走時的方式，這是一種復雜的行為特征。步態識別是近年來越來越多的研究者所關注的一種較新的生物特征識別技術，它是通過人的走路方式來識別人的身份的方法。與其他的生物識別技術相比，步態識別具有非接觸遠距離和不容易偽裝的優點。

目前主流識別方式以人體輪廓圖作為特征輸入。一種方式是，首先生成步態能量圖(Gait Engery Image，GEI)作為特征，將時序信息轉化為能量特征，然后輸入3DCNN(Convolutional Neural Networks，卷積神經網絡)進行訓練。另一種方式是，首先在人體輪廓圖上利用卷積神經網絡提取隱層信息，然后在隱層的特征層做時序上的融合，最后使用分類識別網絡進行訓練。

上述識別方式會受到衣著的影響，例如衣著的厚薄、長短、款式等會明顯影響人的輪廓。這種輪廓的差異會遠大于身份間的差異，從而使得識別算法在跨衣著情況下的識別能力較低。而實際應用場景中，由于對象檢索的時間跨度長，對象的衣著往往是變化的。特別是在某些安防場景中，我們需要防止識別對象通過更換衣著躲避識別。因此，跨衣著情況在實際應用場景中是有強烈需要的，而目前主流方式不能滿足這樣的需求。

發明內容

為解決對象衣著對步態識別結果的影響的問題，提出一種能夠顯著降低衣著變化對步態識別造成的影響，完成跨衣著識別的步態識別方法、裝置、設備和存儲介質。

第一方面，本申請實施例提供一種步態識別方法，該方法包括：

對待處理的視頻數據中各視頻幀進行人體姿態估計處理，得到所述視頻數據中各待識別對象的人體姿態信息，所述人體姿態信息至少包含表征所述待識別對象的步態的人體關鍵關節點的信息；

將所述待識別對象的人體姿態信息輸入至特征識別網絡，得到所述視頻數據中各待識別對象的特征向量；

對于每個待識別對象，在特征庫中搜索與所述待識別對象的特征向量匹配的目標特征向量，并將所述目標特征向量對應的身份信息確定為所述待識別對象的識別結果。

在一種可能的實施方式中，將所述待識別對象的人體姿態信息輸入至特征識別網絡之前，還包括：對于所述視頻數據中的每一視頻幀，根據所述視頻幀中的待識別對象的指定人體關鍵關節點的坐標信息，對所述待識別對象的人體關鍵關節點的坐標信息進行對齊處理；

將所述待識別對象的人體姿態信息輸入至特征識別網絡，包括：將對齊處理后的所述待識別對象的人體姿態信息輸入至特征識別網絡。

在一種可能的實施方式中，根據所述待識別對象的人體姿態信息，將所述視頻數據中各視頻幀中的人體關鍵關節點的坐標信息進行對齊處理，包括：

對于每一視頻幀，根據所述待識別對象的人體姿態信息，計算所述人體關鍵關節點中的指定人體關鍵關節點的坐標信息之間的中心點坐標；

將各人體關鍵關節點的坐標信息減去所述中心點坐標，得到各人體關鍵關節點的第一矯正坐標；