[發明專利]基于對抗網絡的步態識別方法、裝置、設備及介質

有效

• 申請號: 202011615027.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112633222B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 張平;曹鐵;邵黎明;甄軍平;李海博;周科杰;張立波
• 申請（專利權）人: 民航成都電子技術有限責任公司;中國民用航空總局第二研究所
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/74;G06V10/82;G06N3/08
• 代理公司: 北京智燃律師事務所 11864
• 代理人: 柴琳琳

1.一種基于對抗網絡的步態識別方法，其特征在于，包括：

獲取待檢測目標的視頻數據；

采用預設算法對所述視頻數據進行分割提取處理，確定所述待檢測目標的步態能量圖集，所述步態能量圖集包括任意角度的步態能量圖；

將所述任意角度的步態能量圖集輸入預先訓練的步態視角轉換網絡中進行處理，得到目標視角的步態能量圖集；

將所述目標視角的步態能量圖集輸入預先訓練的孿生神經網絡模型中進行處理計算所述目標視角的步態能量圖集與標準視角的步態能量圖集的相似度；

基于所述相似度，對所述待檢測目標進行步態識別處理；

采用預設算法對所述視頻數據進行分割提取處理，確定所述待檢測目標的步態能量圖集，包括：

對所述視頻數據進行分割提取處理，得到步態二值圖像；

確定所述步態二值圖像的質心和上下左右方位對應的邊界點；

以所述質心為中心，質心與每個方位對應的邊界點之間的距離為裁剪距離進行裁剪處理，得到步態輪二值圖像序列；

對每個周期內的步態輪二值圖像序列進行平均值處理，確定步態能量圖集。

2.根據權利要求1所述的方法，其特征在于，所述步態視角轉換網絡通過如下步驟構建：

獲取任意視角的歷史步態能量圖集和目標視角的歷史步態能量圖；

將所述任意視角的歷史步態能量圖集和目標視角的歷史步態能量圖通過初始生成器進行映射處理，得到映射后的任意視角的步態能量圖集和映射后的目標視角的步態能量圖集；

基于所述任意視角的歷史步態能量圖集、所述目標視角的歷史步態能量圖集、映射后的任意視角的步態能量圖集和映射后的目標視角的步態能量圖集通過初始判別器構建損失函數；

按照損失函數最小化對所述初始判別器和所述初始生成器進行訓練處理，得到步態視角轉換網絡。

3.根據權利要求1所述的方法，其特征在于，所述孿生神經網絡包括兩個特征提取網絡和一個判別網絡，將所述目標視角的步態能量圖集輸入預先訓練的孿生神經網絡模型中進行處理計算所述目標視角的步態能量圖集與標準視角的步態能量圖集的相似度，包括；

將所述目標視角的步態能量圖集和標準角度的步態能量圖集分別輸入對應的特征提取網絡中進行特征提取，得到第一圖像特征向量和第二圖像特征向量，所述第一圖像特征向量為所述目標視角的步態能量圖集對應的圖像特征向量，所述第二圖像特征向量為所述標準角度的步態能量圖集對應的圖像特征向量；

對所述第一圖像特征向量和所述第二圖像特征向量通過判別網絡，判斷所述目標視角的步態能量圖集和所述標準角度的步態能量圖集的相似度。

4.根據權利要求3所述的方法，其特征在于，將所述目標視角的步態能量圖和標準角度的步態能量圖集輸入對應的特征提取網絡中進行特征提取，得到所第一圖像特征向量和第二圖像特征向量，包括：

對所述目標視角的步態能量圖集和標準角度的步態能量圖集依次經過卷積、池化、歸一化進行特征提取，得到所第一圖像特征向量和第二圖像特征向量。

5.根據權利要求1所述的方法，其特征在于，基于所述相似度，對所述待檢測目標進行步態識別處理，包括：

當所述相似度大于預設閾值時，確定所述目標視角的步態能量圖集為標準步態視角的步態能量圖集；

提取所述標準視角的步態能量圖集的特征向量，進行步態識別處理。

6.根據權利要求5所述的方法，其特征在于，提取所述標準視角的步態能量圖的特征向量，包括：

對所述標準視角的步態能量圖進行向量化處理操作，得到處理后的步態能量圖；

對所述處理后的步態能量圖進行特征降維處理，確定所述標準視角的步態能量圖的特征向量。