[發明專利]步態識別網絡的訓練方法、系統及步態識別方法

在審

• 申請號: 202211023028.8
• 申請日: 2022-08-25
• 公開（公告）號: CN115578785A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 郭宏;杜俊霖;馬萬里;唐文杰;李楊
• 申請（專利權）人: 中國電子產業工程有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/10;G06V20/40;G06V10/82;G06V10/80;G06V10/774;G06V10/10
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 劉曉丹

本申請涉及一種步態識別網絡的訓練方法、系統及步態識別方法；步態識別網絡的訓練方法包括：獲取M組訓練數據，一組訓練數據包括兩張步態能量圖；將步態能量圖水平分割為N個部分；將步態能量圖的N個部分同時經過基礎卷積層提取分塊特征；將分塊特征送入第二卷積層進行處理；基于各卷積層的輸出結果構建損失函數，通過損失函數對步態識別網絡進行監督訓練。對每個圖像水平分割后進行分塊卷積，這樣即使腿被遮擋，其他部分的特征仍然具有可區分性，因此能夠提升行人步態識別準確度；對每一組中的兩張圖像進行拼接，針對拼接后的特征再進行分塊卷積，這樣構建損失函數能夠使得特征更具有判別性，從而提升模型的識別準確率。

技術領域

本申請涉及人工智能技術領域，具體涉及一種步態識別網絡的訓練方法、系統及步態識別方法。

背景技術

行人步態識別是根據行人在行走時，身體各部位，尤其是腿部所表現出的行為特征來驗證行人。傳統的行人步態識別方法，主要基于視頻幀中人的外觀特征、運動時產生的光流特征等多種人工提取特征的結合，并采用SVM(Support Vector Machine，支持向量機)等分類器對特征進行分類判別。隨著卷積神經網絡在圖像上的應用逐漸成熟，出現了基于卷積神經網絡的行人步態識別方法，這些方法主要分為多種圖像輸入方式：包括原視頻的RGB圖序列、行人分割后的二值圖序列，以及將二值圖序列進行組合的輪廓能量圖序列。針對不同的圖像類型，設計不同的卷積神經網絡結構來提取行人步態特征，從而大大提高了步態識別方法的準確性和識別速率。

目前的行人步態識別方法，主要流程為對視頻幀或圖像進行行人檢測、行人分割、行人步態識別三步，目的是判別不同場景、攝像頭跨區域時捕捉到的行人是否為同一人。由于輸入圖像類型不同，行人步態識別方法的具體實現也有區別。

相關技術中，上述方法采用了行人二值輪廓圖作為輸入。然而在實際場景中，行人的姿態千變萬化。當發生行人有背包、穿長外套，手提外物等情況，會直接干擾行人的輪廓特征，導致步態識別不準確，影響行人的驗證；且單張二值圖不包含行人運動的時序特征，不足以區分開不同人的步態變化。

發明內容

為至少在一定程度上克服相關技術中存在的行人的輪廓特征容易收到干擾導致步態識別不準確、單張二值圖不包含行人運動的時序特征的問題，本申請提供一種步態識別網絡的訓練方法、系統及步態識別方法。

根據本申請實施例的第一方面，提供一種步態識別網絡的訓練方法，包括：

獲取M組訓練數據，一組訓練數據包括兩張步態能量圖，其中M≥3；

將步態能量圖的豎直高度分割為N個部分，其中N≥4；

將步態能量圖的N個部分同時經過基礎卷積層提取分塊特征；

將分塊特征送入第二卷積層進行處理，所述第二卷積層包括兩個分支，第一分支是對每一張圖的分塊特征進行卷積，第二分支是對一組內兩張圖像的分塊特征進行拼接后的卷積；

基于各卷積層的輸出結果構建損失函數，通過損失函數對步態識別網絡進行監督訓練。

進一步地，獲取訓練數據的步驟包括：

從監控系統中采集視頻流，基于視頻幀進行行人檢測、行人分割，得到只包含行人的二值輪廓序列圖；

對不同的行人進行編號，每個行人對應不同的ID號，每個ID號對應多個二值輪廓序列圖；

基于二值輪廓序列圖生成對應的步態能量圖。

進一步地，M取值為三，則獲取M組訓練數據，包括如下步驟：

隨機選取四個不同的ID號，記為id₁、id₂、id₃和id₄；