[發明專利]一種結合自編碼器與視角變換模型的跨視角步態識別方法

在審

• 申請號: 202110417595.0
• 申請日: 2021-04-19
• 公開（公告）號: CN113111797A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 舒勤;應娜;郭凡;方乾萍;葉學義;楊萌
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明結合自編碼器與視角變換模型的跨視角步態識別方法：采集多視角多攜帶物狀態的步態數據集；訓練得到去攜帶物編碼器和視角判別器；將待測目標在多個觀測視角下的步態能量圖輸入編碼器得到純步態特征，將步態特征拼接為步態特征矩陣，通過奇異值分解得到角度變換與身份信息向量；通過帶有身份標簽的步態組輸入卷積神經網絡中進行識別，得到識別模型；將待識別目標的步態能量圖輸入自編碼器與觀測視角判別器，得到無攜帶物步態能量圖與觀測視角信息，一同輸入視角投影模型并轉換至對比視角下，與在對比視角下來自不同目標的步態能量圖依次組成步態能量圖組，輸入識別模型，取得分最高組合為識別結果，完成識別。

技術領域

本發明屬于圖像分類技術領域，主要涉及行人識別技術領域，具體是一種結合自編碼器與視角變換模型的跨視角步態識別方法。

背景技術

將人體的步態特征應用于人體身份識別，一方面可以有效應用于目前已大范圍普及的視頻監控系統，且對攝像設備的素質沒有太高的要求。另一方面，當前廣泛應用的基于人臉、指紋、虹膜等生物特征的識別技術存在應用局限性，即需要被觀測者的配合，而步態識別可以在遠距離、非接觸的情況下完成識別，使得步態識別成為遠距離生物識別最具潛力的生物特征。

在當前的步態識別研究中，被觀測者通常會穿著不同樣式的衣物，或攜帶不同樣式的攜帶物，這些協變量的存在會對步態識別造成較大的影響。同時，一個人的步態輪廓會隨著觀測視角的改變而發生較大的變化，這也是步態識別的一大難點。因此，如何設計一種能夠有效剝離攜帶物影響并實現較好的跨視角步態識別性能的方法是一個重要的研究方向。

當前的步態特征主要可以分為步態能量圖、時序步態圖、步態流圖等，其中使用最廣泛的為步態能量圖，其包含了人體在一個完整步態周期中的運動區域，在空間上是歸一化的能量圖，在時間上是一個運動周期的歸一化累積能量圖，同時具有提取簡單、噪聲魯棒等特點。

自編碼器(AutoEncoder，AE)是一種能夠通過半監督或無監督學習，學到輸入數據高效表示的人工神經網絡。輸入數據的這一高效表示稱為編碼，其維度一般遠小于輸入數據，使得自編碼器可用于降維。更重要的是，自編碼器可作為強大的特征檢測器，應用于深度神經網絡的預訓練。

視角變換模型(View Transformation Model，VTM)使用多視角的步態特征構建了一個通用的轉換規則，用來將某一角度下的步態特征轉換到目標視角下的步態特征，該方法主要通過奇異值分解來求取角度變換向量和身份信息向量，目標視角下的步態特征由目標視角的角度變換向量乘以對應目標的身份信息向量得到。

基于自編碼器與視角變換模型的上述特點，本發明提出一種結合自編碼器與視角變換模型的跨視角步態識別方法。

發明內容

針對上述現狀，本發明提供了一種結合自編碼器與視角變換模型的跨視角步態識別方法，其通過將一個步態周期的二值人體輪廓圖轉換為步態能量圖，然后將步態能量圖輸入具有移除攜帶物影響的自編碼器以獲得純粹步態特征的步態能量圖，同時視角判別器從輸入步態能量圖中獲得觀察視角信息，視角變換模型將無攜帶物步態能量圖投影至標準對比視角下，最后將對比視角下的步態能量圖放入卷積神經網絡中進行目標識別。

本發明采取如下技術方案：

一種結合自編碼器與視角變換模型的跨視角步態識別方法，按如下步驟進行：

S1、采集多視角多攜帶物狀態的步態數據集，獲取不同視角和不同攜帶物狀態的步態能量圖；

S2、將有攜帶物的步態能量圖輸入基于卷積神經網絡的編碼器，以同視角下無攜帶物的步態能量圖為監督樣本訓練得到去攜帶物編碼器，將標記有觀測視角信息的步態能量圖輸入基于卷積神經網絡的視角判別器進行判別訓練，得到視角判別器；

S3、將待測目標在多個觀測視角下的步態能量圖輸入步驟S2中訓練得到的編碼器得到純步態特征，將步態特征拼接為步態特征矩陣，通過奇異值分解以得到角度變換向量與身份信息向量；