The invention discloses a gait recognition method based on large distance depth measurement learning, which is characterized in that the method comprises a training stage and a recognition stage; the gait sequence is described by gait energy diagram in the training stage; a convolution neural network is trained by a large distance depth measurement learning model, and the convolution neural network is trained in the recognition stage. As a feature extraction function, the product neural network extracts the optimal gait features from the gait energy graph and uses the nearest neighbor classifier to identify the gait person. The gait recognition of the invention can extract the gait features of high discrimination force through the large distance depth measurement learning model provided by the invention, and the gait features can be matched and recognized by similarity calculation. The invention can be applied to intelligent video surveillance, intelligent visual robot and other fields, and has a wide application prospect.
【技术实现步骤摘要】
一种基于大间距深度度量学习的步态识别方法
本专利技术涉及一种基于大间距深度度量学习的步态识别方法,属于模式识别
技术介绍
步态识别通过人类的行走方式确定身份,最近受到越来越多的关注,与其他生物特征相比(如面部、虹膜、指纹),步态有一些重要的优势:1)它比较适合远距离识别,特别是其他生物被遮挡或分辨率太低时;2)难以模仿或伪装,因为这是人的长期的行为习惯;3)不需要用户的配合即可达到较好识别效果。这些特性使得步态非常适合于安全防护的智能视频监控领域。近年来大量步态识别方法被提出,一般可以分为两类:基于模型的方法和基于外观的方法。基于模型的方法通常表征人体关节的运动学,以便测量物理步态参数,如轨迹、肢体长度和角速度。然而,人体是一种高度灵活的结构,在许多场景中很难精确地从图像或视频中恢复人体结构。基于外观的方法不考虑身体结构,直接从视频中提取步态的外观特征,取得较好识别效果。因此基于外观的步态识别方法成为研究者关注的重点,然而,在现实中,有大量因素影响着步态的外观:如观察视角,携带物品,衣着等等。即使同一个人,这些因素影响下的外观差别非常大。外观的变化直接影响了提取步态特征的变化,例如不同角度的摄像头分别捕捉到人体的背景和侧面,穿着阿拉伯罩袍和普通衣服等等,这将直接导致步态的外观特征有较大变化,现有方法的步态识别性能会大大降低甚至失效。因此,如何提供不同因素下的步态识别准确率成为亟待解决的技术问题。
技术实现思路
专利技术目的:本专利技术的目的是针对现有复杂情况下步态识别技术的不足,提供一种大间距深度度量学习的步态识别方法。技术方案:一种基于大间距深度度 ...
【技术保护点】
1.一种基于大间距深度度量学习的步态识别方法,其特征在于:该方法包括了训练阶段和识别阶段;训练阶段采用步态能量图来描述步态序列,通过大间距深度度量学习模型训练一个卷积神经网络,识别阶段将该卷积神经网络作为特征抽取函数,从步态能量图中提取最优化的步态特征,利用最近邻分类器识别步态人的身份。
【技术特征摘要】
1.一种基于大间距深度度量学习的步态识别方法,其特征在于:该方法包括了训练阶段和识别阶段;训练阶段采用步态能量图来描述步态序列,通过大间距深度度量学习模型训练一个卷积神经网络,识别阶段将该卷积神经网络作为特征抽取函数,从步态能量图中提取最优化的步态特征,利用最近邻分类器识别步态人的身份。2.如权利要求1所述的基于大间距深度度量学习的步态识别方法,其特征在于,步态能量图的生成方法为:对任意人的行走视频,按时间采样出一个图像序列,对每个图像进行行人检测、前景与背景分离,分离后前景作二值化处理;对二值化后的步态图像尺度归一化操作,按照图像中人的身高裁剪头顶到脚底的图像,并长宽同比例缩放为统一尺度图像,生成尺度归一的二值化轮廓图;由二值化轮廓图序列计算步态周期;通过一个周期的二值化步态轮廓图,计算所有步态轮廓图的平均值即可生成步态能量图。3.如权利要求2所述的基于大间距深度度量学习的步态识别方法,其特征在于,对步态能量图抽取三元组步态样本,首先对训练数据集中的所有步态能量图,随机抽取出一个步态能量图作为目标样本;再根据抽出步态能量图对应人的身份,再随机抽出同一人的另一个步态能量图作为正样本;随机抽取另一个人的步态能量图作为负样本;生成一个三元组(目标样本,正样本,负样本)。4.如权利要求3所述的基于大间距深度度量学习的步...
【专利技术属性】
技术研发人员:辜州,徐万江,顾铭,徐虞诚,王琪,陆慧婷,
申请(专利权)人:盐城师范学院,
类型:发明
国别省市:江苏,32
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。