[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

本發明提供一種基于三目視覺數據的個體步態識別方法，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。本發明把多個不同觀測視角下的步態信息融合，提取綜合特征。因此更加適應實際應用中復雜多變的內外因素的影響，有較強的實用性和可操作性。

技術領域

本發明涉及模式識別技術領域，更具體地，涉及一種基于三目視覺數據的個體步態識別方法。

背景技術

盡管目前涌現出了許多步態識別算法，但是這些工作大多依賴某一特定觀測視角，只收集分析了單一觀測視角下的步態特性，故往往在穿衣不同、場地背景、提包與否、穿鞋種類不一，步速不一的情況下識別率不高。單一觀測視角下收集到的步態特性相對有限，無法全面深入地刻畫步行過程中的內在信息，從而無法構建一個魯棒性強、抗干擾能力強的步態識別系統。

公開日為2020年10月23日，公開號為CN111814624A的中國專利公開了一種視頻中行人步態識別訓練方法、步態識別方法及存儲裝置，該行人步態識別訓練方法包括：檢測出視頻中的行人圖片并提取行人輪廓圖；將行人輪廓圖輸入神經卷積網絡中，依次采用空間注意力機制和幀注意力機制對行人輪廓圖進行處理，獲得特征圖；對特征圖在幀維度上進行分塊處理，并計算每一分塊特征圖的三元組損失；優化三元組損失直至收斂得到行人步態識別結果。該專利采用單一觀測視角，無法全面深入地刻畫步行過程中的內在信息。

發明內容

本發明提供一種基于三目視覺數據的個體步態識別方法，融合多個視角下的步態信息，提高步態識別技術的魯棒性。

為解決上述技術問題，本發明的技術方案如下：

一種基于三目視覺數據的個體步態識別方法，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。

優選地，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。

優選地，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。

優選地，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。

優選地，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：