[發(fā)明專利]一種多視角步態(tài)識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210397625.0
• 申請日: 2022-04-15
• 公開（公告）號: CN114694262A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設計）人: 方乾萍;應娜;陳華華;楊雪瀅;王來龍;舒勤;梅庭杰
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 周希良

1.一種多視角步態(tài)識別方法，其特征在于，包括以下步驟：

S1.采集得到多視角、多協(xié)變量情況的步態(tài)數(shù)據(jù)集，并對數(shù)據(jù)集進行預處理；

S2.將預處理后的輸入送入訓練好的特征提取網(wǎng)絡，提取出90°和0°兩個視角方向成分的特征向量；同時，根據(jù)輸入的樣本識別出樣本的協(xié)變量，并得到協(xié)變量向量；

S3.根據(jù)得到的協(xié)變量向量，對步驟S2的特征向量做加權處理，得到最終的步態(tài)特征向量；

S4.設置注冊集，注冊集中只含有90°和0°兩個視角方向的樣本；

S5.通過對比網(wǎng)絡輸出的步態(tài)特征與注冊集的步態(tài)特征，分類得到輸入的身份信息。

2.根據(jù)權利要求1所述的一種多視角步態(tài)識別方法，其特征在于，步驟S1具體包括：

對采集的步態(tài)數(shù)據(jù)集中的視頻幀進行幀級分解，得到幀級步態(tài)圖像，并對幀級步態(tài)圖像做二值化、裁剪處理，得到步態(tài)剪影圖。

3.根據(jù)權利要求2所述的一種多視角步態(tài)識別方法，其特征在于，對于模型1，將一個周期的步態(tài)輪廓圖進行GEI歸一化處理，作為輸入進入模型網(wǎng)絡中。

4.根據(jù)權利要求2所述的一種多視角步態(tài)識別方法，其特征在于，對于模型2，得到的步態(tài)剪影圖序列作為輸入進入模型網(wǎng)絡中。

5.根據(jù)權利要求3或4所述的一種多視角步態(tài)識別方法，其特征在于，步驟S2中：

①識別出輸入樣本的協(xié)變量，協(xié)變量為相互獨立作用的若干類，包括輸入樣本的視角、攜帶物情況、光照強度。

②識別出協(xié)變量后，獲取對應的協(xié)變量向量，不同的協(xié)變量對應不同的協(xié)變量向量。

6.根據(jù)權利要求5所述的一種多視角步態(tài)識別方法，其特征在于，步驟S3具體是：

根據(jù)識別出的協(xié)變量的差異，對特征向量做加權處理，得到最終的步態(tài)特征向量。

7.根據(jù)權利要求6所述的一種多視角步態(tài)識別方法，其特征在于，步驟S4具體如下：

視角為90°的、無其它協(xié)變量干擾的樣本送入訓練好的90°特征提取網(wǎng)絡，得到視角為0°的、無其它協(xié)變量干擾的樣本送入訓練好的0°特征提取網(wǎng)絡，得到再將二者拼接得到一個注冊集樣本最終得到包含N個目標的注冊集F：

8.根據(jù)權利要求7所述的一種多視角步態(tài)識別方法，其特征在于，步驟S5采用分類器對網(wǎng)絡輸出的特征向量進行身份識別。

9.一種多視角步態(tài)識別系統(tǒng)，其特征在于，包括以下模塊：

預處理模塊：采集得到多視角、多協(xié)變量情況的步態(tài)數(shù)據(jù)集，并對數(shù)據(jù)集進行預處理；

協(xié)變量向量識別模塊：將預處理后的輸入送入訓練好的特征提取網(wǎng)絡，提取出90°和0°兩個視角方向成分的特征向量；同時，根據(jù)輸入的樣本識別出樣本的協(xié)變量，并得到協(xié)變量向量；

加權處理模塊：根據(jù)得到的協(xié)變量向量，對特征向量做加權處理，得到最終的步態(tài)特征向量；

注冊集設置模塊：設置注冊集，注冊集中只含有90°和0°兩個視角方向的樣本；

身份信息獲取模塊：通過對比網(wǎng)絡輸出的步態(tài)特征與注冊集的步態(tài)特征，分類得到輸入的身份信息。