[發明專利]一種基于多通道時空網絡和聯合優化損失的身份識別方法

在審

• 申請號: 202010926230.6
• 申請日: 2020-09-07
• 公開（公告）號: CN112131970A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 蔣敏蘭;吳穎;陳昊然
• 申請（專利權）人: 浙江師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州中利知識產權代理事務所(普通合伙) 33301
• 代理人: 盧海龍

本發明提供一種基于多通道時空網絡和聯合優化損失的身份識別方法，包括多通道時空網絡系統和聯合優化損失系統，所述聯合優化損失系統包括改進三元損失函數、標簽平滑正則化交叉熵損失函數兩部分，所述標簽平滑正則化交叉熵損失函數為針對傳統分類網絡在訓練過程中交叉熵損失函數，計算所述交叉熵損失中融入標簽平滑正則化。解決了基于傳統圖像方法步態識別跨視角準確度較低且基于模型的步態識別方法計算復雜、耗時長的等問題，為實時身份識別技術提供方法保證。

技術領域

本發明涉及身份識別方法技術領域，具體涉及一種基于多通道時空網絡和聯合優化損失的身份識別方法。

背景技術

近年來，人工智能技術日趨成熟并逐漸走向應用，越來越多的行業開始進入智能技術革新階段。身份認證領域也從傳統的用戶名/密碼認證、IC卡認證、動態口令認證，逐漸發展成現有的人體生物特征識別認證。利用計算機技術與傳感器技術相結合，根據每個人獨特的生理特征或者行為特征來完成個人身份的鑒定，是目前安全系數最高的身份認證技術之一。步態識別作為一種新興的生物特征識別技術，近年來也開始逐漸被挖掘。被識別者無需接觸傳感器，對步態圖像的采集方向和圖像質量要求也不高，遠距離任意角度即可完成身份認證。雖然目前的步態識別技術還未能達到商用水平，但其獨特優勢及廣泛的應用前景吸引了越來越多的學者參與研究。在新型建設智慧城市報告中，重點強調了公民數字身份認證和網絡身份識別技術的安全性，因此發展步態識別技術也可以很好的與其他生物特征識別技術形成互補，為當代智能安防建設中身份認證提供新的思路?，F有的CASIA-B數據庫為中科院自動化所公開的大型步態數據庫CASIA－B，CASIA－B數據庫包含124人(男93人，女31人)，每人11個視角(0°,18°,36°,54°,72°，90°，108°，126°，144°，162°，180°)，每個視角下有3種行走狀態(普通條件,穿大衣,攜帶包裹)。

基于步態骨架序列的步態識別在視角變化、攜帶物等場景下的魯棒性更強，但細化后的骨架序列丟了大量有效特征，降低了不同個體間的差異性，其優缺點剛好和基于步態輪廓序列的方法形成互補，結合兩類步態序列的優勢，提出一種多通道時空網絡和聯合優化損失的步態識別方法，在保證有效特征相似度學習的同時，加快網絡訓練收斂速度，提高視角變化、攜帶物等場景下的身份識別準確率。

發明內容

為了解決現有技術中存在的某種或某些技術問題，本發明提供一種基于多通道時空網絡和聯合優化損失的身份識別方法，解決了基于傳統圖像方法步態識別跨視角準確度較低且基于模型的步態識別方法計算復雜、耗時長的等問題，為實時身份識別技術提供方法保證。

為解決上述現有的技術問題，本發明采用如下方案：

一種基于多通道時空網絡和聯合優化損失的身份識別方法，包括多通道時空網絡系統和聯合優化損失系統，所述聯合優化損失系統包括改進三元損失函數、標簽平滑正則化交叉熵損失函數兩部分，所述標簽平滑正則化交叉熵損失函數為針對傳統分類網絡在訓練過程中交叉熵損失函數，計算所述交叉熵損失中融入標簽平滑正則化，實現該方法的步驟包括：

步驟一、步態序列預處理，通過步態圖像預處理算法，將CASIA－B步態數據庫中的步態圖像，分別通過步態序列預處理成尺寸一致、中心對齊的步態輪廓序列和骨架序列；

步驟二、將步態序列預處理所得步態骨架序列和輪廓序列共同輸入多通道時空網絡系統，以充分提取步態序列間時空特征；

步驟三、結合三元組網絡建立步態身份識別模型；

步驟四、結合改進三元損失和優化交叉熵損失共同監督網絡訓練。

進一步地，所述多通道時空網絡系統為采用多通道淺層卷積神經網絡串聯長短時記憶神經網絡的結構作為特征提取的主干網絡，并將周期內一一對應的步態骨架、輪廓序列直接作為網絡的輸入，以充分挖掘步態序列間時空信息。