【技术实现步骤摘要】
一种基于动态视觉传感器的步态识别方法
本专利技术涉及步态识别
,具体地,涉及一种基于动态视觉传感器的步态识别方法。
技术介绍
当前大量的监控摄像头已经被安装于银行、商场、机场、地铁站等大空间建筑类人群密集型场所,但人工的监控手段并不能完全满足当前的安全需要,因为这不仅耗费大量的人力和财力,而且监控人员的生理视觉疲劳使得安全预警的目的很难达到。因此,这些安全敏感的公众场合迫切需要一种智能化的预警手段。理想的智能监控系统应该能够自动分析摄像机采集到的图像数据,在恶性事件发生前进行预警,从而最大限度地减少人员伤害和经济损失。这就要求监控系统不仅能判断人的数量、位置和行为,还需要分析人的身份等信息。步态,即人行走时的姿态,是一种可以从远距离获取的难以隐藏和伪装的生物特征,而且步态可以采取非接触的方式进行隐蔽采集。对于监控环境中的行人,步态特征是一种极具潜质的生物特征。在一定的距离下,当其他的生物特征,如面部、虹膜、指纹、掌纹等,由于分辨率过低或者故意被隐藏时,步态却可能发挥作用。步态识别,也称为基于步态的身份识别,在计算机控制和生物识别技术方面,是一个相对较新的同时也备受瞩目的研究方向,它旨在基于人的独特行走模式来进行身份识别,即通过人们走路的方式来区分个人。动态视觉传感器是一种新型的类视网膜的视觉传感器。在动态视觉传感器中,每个像素点通过产生异步的事件独立地对亮度变化进行响应和编码,其产生的事件流消除了传统摄像机输出的连续重复图像中的冗余,所以它的带宽远远低于标准视频的带宽;而且它具有极高的时间分辨率,可以捕获到超快速运动;另外,它具有非常高的动态范围,即 ...
【技术保护点】
一种基于动态视觉传感器的步态识别方法,其特征在于,包括如下:(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练:S101.应用动态视觉传感器对行人的步态场景进行录制,得到包含多个步态周期的事件流,其中,所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成;S102.将所述事件流分割成多个数据段样本,其中,每个数据段样本均包含处于一个完整步态周期内的所有数据;S103.将所述数据段样本编码为脉冲序列;S104.将所述脉冲序列作为输入,将与行人对应的二进制标签作为输出,对所述脉冲神经网络模型进行训练,其中,所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同;(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别:S201.执行步骤S101~S103,获取待识别行人的数据段样本及对应的脉冲序列;S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入,获取各个神经元的输出;S203.根据各个神经元的输出,获取二进制标签,最后根据该二进制标签识别出待识别行人。
【技术特征摘要】
1.一种基于动态视觉传感器的步态识别方法,其特征在于,包括如下:(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练:S101.应用动态视觉传感器对行人的步态场景进行录制,得到包含多个步态周期的事件流,其中,所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成;S102.将所述事件流分割成多个数据段样本,其中,每个数据段样本均包含处于一个完整步态周期内的所有数据;S103.将所述数据段样本编码为脉冲序列;S104.将所述脉冲序列作为输入,将与行人对应的二进制标签作为输出,对所述脉冲神经网络模型进行训练,其中,所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同;(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别:S201.执行步骤S101~S103,获取待识别行人的数据段样本及对应的脉冲序列;S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入,获取各个神经元的输出;S203.根据各个神经元的输出,获取二进制标签,最后根据该二进制标签识别出待识别行人。2.如权利要求1所述的一种基于动态视觉传感器的步态识别方法,其特征在于,在所述步骤S104中,对所述脉冲神经网络模型进行训练的步骤包括如下:S301.对于每个神经元,在向各个传入突触输入一批脉冲序列后,按照如下公式计算亚阈值膜电压Vi(t):式中,i和a分别为自然数,为第i个数据段样本内的第a个脉冲序列,ωa为第a个传入突触的权重,Vrest为静息电位,为归一化的突触后电位,计算公式如下:式中,V0是使PSP核归一化的因子,τm为膜积分的衰减时间常数,τs为突触电流的衰减时间常数;S302.当所述亚阈值膜电压Vi(t)达到阈值电位Vthr时,触发神经元发放脉冲,然后使所述亚阈值膜电压Vi(t)平缓下降至静息电位;S303.比较神经元的实际输出与目标输出是否一致,若不一致,对突触权重ωa采用以下规则修正:(a)若实际输出为发放脉冲,而目标输出为不发放脉冲,则对每一个ωa的修正值Δωa计算如下:(b)若实际输出为未发放脉冲,而目标输出为发放脉冲,则对每...
【专利技术属性】
技术研发人员:齐盼攀,李洪莹,唐华锦,燕锐,陈盈科,高绍兵,
申请(专利权)人:四川大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。