[發明專利]一種基于三目視覺數據的個體步態識別方法

在審

• 申請號: 202110701423.6
• 申請日: 2021-06-23
• 公開（公告）號: CN113408439A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 鄧木清;鄒毅;梁志輝;嚴格;陶昱衡
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于三目視覺數據的個體步態識別方法，其特征在于，包括以下步驟：

S1：采集多角度下的人體輪廓信息；

S2：提取每個角度的人體輪廓信息下的步態動力學特征，形成步態模式庫；

S3：根據步驟S2提取得到的步態動力學特征，構建每個角度下的步行深度學習模型；

S4：獲取待識別的多角度人體輪廓信息下的步態動力學特征，與已有的步態模式庫中進行基于步態動力學特征的識別誤差；

S5：根據所得識別誤差的大小判斷每個角度下的步態深度學習模型學習所得的特征向量在最終分類任務中的權重值，實現步態識別。

2.根據權利要求1所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述步驟S1中利用互成角度的三臺攝像機采集三個角度下的人體輪廓圖像。

3.根據權利要求2所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述步驟S2中提取每個角度的人體輪廓信息下的步態動力學特征，具體為：

將三臺攝像機下的人體輪廓圖像序列分別進行背景減除以及形態學處理，獲得三臺攝像機下人體行走的二值步態輪廓圖，提取人體運動面積特征參數，形成非線性步態動力學特征矩陣，所述人體運動面積特征參數包括人體運動輪廓總面積A1、人體下肢輪廓總面積A2、以及兩腳尖點連連線對地三角形面積A3。

4.根據權利要求3所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述步驟S2中形成步態模式庫，具體為：

對提取得到的人體運動面積特征參數建立非線性動力學模型，構建神經網絡用于提取非線性步態動力學，所得結果以常值神經網絡的形式，代表步態模式存儲在步態模式庫中。

5.根據權利要求4所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述步驟S3中構建每個角度下的步行深度學習模型，具體為：

將三臺攝像機下得到的非線性步態動力學特征矩陣輸入至深度神經網絡模型，進行二次特征提取和模型訓練，并將二次特征提取后的步態特征值F1、F2、F3存儲在步態模式庫中，訓練好的深度神經網絡模型形成相對于三臺攝像機的步態識別深度學習模型M1、M2、M3。

6.根據權利要求5所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述步驟S4中與已有的步態模式庫中進行基于步態動力學特征的識別誤差具體為：

在三臺攝像機視圖中分別利用所述常值神經網絡構建動態估計器，計算提取得到的步態動力學特征與動態估計器得到的估計值之間的差值，形成識別誤差ε并提取三臺攝像機下取得的最小誤差ε1，ε2，ε3。

7.根據權利要求6所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述構建動態估計器，具體為：

式中，k＝1，...，M表示第k個估計器，表示動態估計器的狀態，x是某一輸入測試模式的狀態變量，B是常值經驗值參數，代表常值神經網絡，其中代表神經網絡權值矩陣，S(x)代表所用的徑向基函數。

8.根據權利要求7所述的基于三目視覺數據的個體步態識別方法，其特征在于，所述計算提取得到的步態動力學特征與動態估計器得到的估計值之間的差值，形成識別誤差ε，具體為：

式中，是狀態估計誤差，表示動態估計器的狀態，x_i表示某一輸入測試模式的狀態變量，b_i表示常值經驗值參數；

代表常值神經網絡，其中代表神經網絡權值矩陣，S_i(x)代表所用的徑向基函數，φ_i(x；p)代表測試模式非線性步態動力學特征，下標i＝1,2,3，分別指三臺攝像機下得到的人體運動面積特征參數下的步態動力學特征，p代表系統參數，不同的p值表征不同的個體對應不同的步態動力學系統。