[發明專利]一種基于聯合層次選擇的子空間學習的跨視角步態識別方法

有效

• 申請號: 202010198551.9
• 申請日: 2020-03-20
• 公開（公告）號: CN113496149B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 賁晛燁;肖瑞雪;李玉軍;陳雷;黃天歡;任家暢
• 申請（專利權）人: 山東大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/774;G06V10/74
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 王楠

1.一種基于聯合層次選擇的子空間學習的跨視角步態識別方法，其特征在于，方法包括：

1)首先將目標視角和注冊視角的步態樣本劃分為訓練集和測試集，其中訓練集包括目標視角的步態樣本和注冊視角的步態樣本，測試集為目標視角的步態樣本；

獲取目標視角和注冊視角這兩種步態樣本的步態能量圖，采用層次分塊劃分方案對于步態能量圖進行劃分；

2)訓練階段，訓練集中的目標視角和注冊視角步態樣本進行層次分塊劃分后，分別將劃分后的每一塊步態能量圖向量化，并進行特征選擇形成d維向量；一個注冊視角步態樣本的全部塊的特征級聯表述為其中d_a＝d×n,d指每塊的特征維度，n指層次分塊劃分的總塊數，d_a則指級聯后的一個注冊視角步態樣本的總特征維度；因此注冊視角數據矩陣表示為其中，N_a代表注冊視角步態樣本個數；同樣的，對于目標視角步態樣本進行同樣層次分塊劃分，并且在劃分基礎上進行相同的步態能量圖向量化和特征向量級聯的數據處理，最終得到目標視角數據矩陣其中d_b代表目標視角步態樣本特征維度，N_b代表目標視角樣本個數，其中，d_a＝d_b；

3)對訓練集目標視角數據矩陣和注冊視角數據矩陣進行基于聯合層次選擇的子空間學習，將兩者都投影到公共子空間，經過多次迭代滿足收斂條件，分別學習得到理想的目標視角投影矩陣U_b和注冊視角投影矩陣U_a；由目標視角投影矩陣U_b和注冊視角投影矩陣U_a構成公共子空間內注冊樣本集；

4)對于測試集中的目標視角的步態樣本進行層次分塊劃分后，將劃分后的每一塊步態能量圖進行步態能量圖向量化和特征級聯的數據處理，最終得到測試集中目標視角數據矩陣X_b^test；

對測試集的目標視角數據矩陣X_b^test進行基于聯合層次選擇的子空間學習，將測試集的目標視角數據矩陣X_b^test通過步驟3)中學習所得的目標視角投影矩陣U_b投影到公共子空間中、形成公共子空間內目標樣本集，采用歐式距離的最近鄰方式對公共子空間內注冊樣本集和公共子空間內目標樣本集進行步態識別。

2.根據權利要求1所述的基于聯合層次選擇的子空間學習的跨視角步態識別方法，其特征在于，所述步驟1)中，層次分塊劃分方案包括不同密度的逐漸密集的網格，通過不同密度的網格生成具有不同大小的步態能量圖分塊。

3.根據權利要求1所述的基于聯合層次選擇的子空間學習的跨視角步態識別方法，其特征在于，所述步驟2)中，將層次化分塊后的步態能量圖每一塊都按列排列展成列向量；并采用主成分分析法PCA進行特征選擇將每塊向量化的特征全部統一為一致維度，此處取最小塊的維度。

4.根據權利要求1所述的基于聯合層次選擇的子空間學習的跨視角步態識別方法，其特征在于，所述步驟3)中，所述基于聯合層次選擇的子空間學習算法的數學描述如下：

其中，分別表示注冊視角投影矩陣和目標視角投影矩陣，λ₁,λ₂和λ₃均為平衡參數，(||U_a||_2,1+||U_b||_2,1)為特征選擇項，||.||_2,1表示L₂₁范數，最小化該項約束可以控制投影矩陣對于原始數據的特征選擇程度；為塊選擇項，||.||_F表示Frobenius范數，對于層次分塊的每個分塊進行最小化該項約束；Ω(U_a,U_b)為圖正則化項，表示公共子空間，c表示主題數目，主題即身份標簽，N_a代表注冊視角步態樣本個數，N_b代表目標視角步態樣本個數；實際上存在N_a＝N_b，公共子空間定義如下：