[發明專利]一種面向復雜場景細粒度屬性驅動的步態數據集合成方法

有效

• 申請號: 202011614389.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112766057B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 李璽;趙彧涵;竇洹彰;張文虎;張芃怡;董霖;方毅
• 申請（專利權）人: 浙江大學;每日互動股份有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/774;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 傅朝棟;張法高

本發明公開了一種面向復雜場景細粒度屬性驅動的步態數據集合成方法，并且使用此方法生成了一組可以有效提升步態識別性能的虛擬步態數據集。具體包括以下步驟：生成多屬性的行人3D模型；獲取用于綁定的行人步態動作；將步態動作綁定到生成的3D模型上，獲得行走的3D行人模型；在3D引擎中搭建多角度步態數據捕獲場景；采集步態剪影圖數據和細粒度標簽，并進行數據預處理；使用主流步態識別框架預訓練檢驗生成的虛擬數據集的效果。本發明用于生成虛擬的行人步態數據集，生成的數據具有高質量，多視角，多屬性等特點，主流算法使用本數據集進行預訓練很好的提升了識別性能與魯棒性。

技術領域

本發明屬于計算機視覺領域，具體涉及一種面向復雜場景細粒度屬性驅動的步態數據集合成方法。

背景技術

行人步態識別被定義為如下問題：在一組包含行人走路姿態的圖片或視頻序列中，通過行走的方式和風格來識別行人的身份。近年來，步態識別在智慧城市，智能安防等領域中得到了廣泛應用。該任務目前主要有兩個關鍵點：第一是如何解決現有步態識別的數據集質量很低，并且采集數據較為困難的問題；第二是如何解決真實步態數據集中的場景與真實場景差異很大的問題。針對第一點，本發明認為現有的步態數據集往往面臨著收集成本高和圖像分割造成的質量很低的問題，然而步態數據往往采用黑白兩色的剪影圖，由于這一數據的特殊性，如果3D引擎合成的虛擬數據則會與真實數據差異很小，并且可以很好的避免上述的數據質量問題；針對第二點，本發明認為現有的步態數據集都沒有對于現實步態問題中的俯仰角造成的透視形變進行關注，往往只包括若干個水平角度下捕獲的行人步態數據，與真實場景下的數據差別較大，因此如果可以采集包括多種俯仰角與水平角度下的行人步態數據，可以數據層面解決這一問題。

由于統計建模的有效性，目前基于學習的方法逐漸被應用到步態識別的任務中。現有的基于學習的方法主要采用深度學習框架，輸入一組行人步態圖像，輸出識別出的行人身份。因此如果能夠生成高質量的虛擬行人步態數據集，可以很好的協助深度學習解決行人步態識別問題。

發明內容

為解決上述問題，本發明的目的在于提供一種面向復雜場景細粒度屬性驅動的步態數據集合成方法。本發明通過采集大量多屬性的3D人物模型和行人步態動作，將其綁定后生成了行走的行人模型，在3D引擎中搭建多視角的數據捕獲場景，采集大量高質量，多角度的虛擬行人步態數據集，并使用該方法生成了一組可以有效提升步態識別性能的高質量虛擬步態數據集。本發明獲取的數據集可以將其作為練數據集，有效的提升現有步態識別方法的性能，使模型更具準確性和魯棒性。

為實現上述目的，本發明的技術方案為：

一種面向復雜場景細粒度屬性驅動的步態數據集合成方法，其包括以下步驟：

S1、生成若干個多屬性的行人3D模型；

S2、獲取若干組用于綁定的行人步態動作；

S3、將S2中的不同行人步態動作分別綁定到S1中生成的行人3D模型上，獲得以不同步態動作行走的行人模型；

S4、以S3中行人模型的走動范圍為中心，在3D引擎中搭建多角度步態數據捕獲場景；

S5、在S4中構建的多角度步態數據捕獲場景中，采集每個行人模型的步態剪影圖數據和細粒度屬性標簽，對應保存為一個樣本，將所有樣本構建成步態數據集。

作為優選，步驟S1中，生成若干多屬性的行人3D模型的具體方法為：

獲取N個3D人物模型，每個人物模型有若干個隨機人物屬性；所有3D人物模型組成行人3D模型組其中M_i為第i個多屬性的行人3D模型，N為總模型數。

作為優選，所述隨機人物屬性包括性別、年齡、體重和民族。

作為優選，步驟S2中，獲取若干組用于綁定的行人步態動作的具體方法為：