【技术实现步骤摘要】
一种基于单目视觉、从动作识别身份的方法
本专利技术属于生物特征识别
，具体涉及一种基于单目视觉、从动作识别身份的方法。
技术介绍
随着硬件技术的发展，监控摄像头已经非常率廉价，在物联网技术的推动下，监控摄像头已经无处不在，大到广场、银行、学校等公共场所，小到每家每户的居住客厅卧室。摄像头已经开始记录着人类生活的每个角落。犯罪分子的影像很可能被监控摄像头所捕获，通过学习这些影像，得到犯罪分子特有的行为动作特征，然后在其它摄像头通过动作特征的识别方法发现该犯罪分子，极大程度上增加了犯罪分子的捕获率。因此，基于单目视觉、从动作身份识的方法在安防监控领域具有广泛的商业应用前景为。传统的根据生物特征的识别技术有，指纹识别，脸部识别，虹膜识别等。但这一类的识别技术，不仅需要一定的设备支持，还要身体部位的近距离接触。就目前而言，能够实现在远距离识别的技术，主要是步态识别。但步态识别技术仍处于早期阶段，其主要的方法分为两种方式。第一种基于GEI的能量图的方式进行步态识别，这种识别方式对人体的穿着有很高的要求。第二种是利用kinect相机获取人体骨骼关键点分方式，由于kine...
【技术保护点】
1.一种基于单目视觉、从动作识别身份的方法，其特征在于包括训练过程和识别过程，其中，训练过程包括以下步骤：步骤S11，建立待训练的用于提取人体骨骼点二维坐标的卷积神经网络模型，该网络模型的输入为动作视频中每一帧的图片，输出为图片中人体骨骼点的二维坐标；步骤S12，利用已经标注好的人体骨骼点的数据对网络参数进行训练，通过前向传播提取特征，利用网络输出的骨骼点位置与真实的骨骼点位置误差，采用误差反向传播算法来训练该模型，直至模型收敛，得到骨骼点二维坐标检测模型；步骤S13，从涉及多视角的动作视频序列中，利用训练好的骨骼点二维坐标检测模型提取视频中人体骨骼点二维坐标序列；步骤S1...
【技术特征摘要】
1.一种基于单目视觉、从动作识别身份的方法，其特征在于包括训练过程和识别过程，其中，训练过程包括以下步骤：步骤S11，建立待训练的用于提取人体骨骼点二维坐标的卷积神经网络模型，该网络模型的输入为动作视频中每一帧的图片，输出为图片中人体骨骼点的二维坐标；步骤S12，利用已经标注好的人体骨骼点的数据对网络参数进行训练，通过前向传播提取特征，利用网络输出的骨骼点位置与真实的骨骼点位置误差，采用误差反向传播算法来训练该模型，直至模型收敛，得到骨骼点二维坐标检测模型；步骤S13，从涉及多视角的动作视频序列中，利用训练好的骨骼点二维坐标检测模型提取视频中人体骨骼点二维坐标序列；步骤S14，抽取正、负样本，抽取身份相同的人体骨骼点二维坐标序列为正样本，身份不同的人即为负样本；步骤S15，建立待训练的基于LSTM的神经网络匹配模型，包括特征提取功能模块和感知机能模块，将S14中构成正负样本的每对人体骨骼点二维坐标序列分别送入特征提取功能模块，采用前向传播算法提取它们的特征；步骤S16，通过感知机能模块将S15中提取的两个人体骨骼点二维坐标序列的特征进行比较并给出相似度的分数，并进行身份判断，输出匹配结果；步骤S17，利用匹配结果与真实结果的误差，采用误差的反向传播算法来训练基于LSTM的神经网络匹配模型；步骤S18，重复步骤S14至步骤S17，直至上述的基于LSTM的神经网络匹配模型收敛，得到训练后的基于LSTM的神经网络匹配模型；其中，识别过程包括以下步骤：步骤S21，建立匹配库，匹配库中包括多个已注册人体动作视频序列，已注册人体动作视频序列包括动作视频序列以及对应的人的身份，利用步骤S12得到的骨骼点二维坐标检测模型，提取已注册人体动作视频序列的人体骨骼点二维坐标序列；步骤S22，将已注册动作视频序列的人体骨骼点二维坐标序列输入步骤S18得到的基于LSTM的神经网络匹配模型的特征提取模块，提取特征序列；步骤S23，对单目视觉视频，利用步骤S12得到的骨骼点二维坐标检测模型，提取单目视觉视频序列的人体骨骼点二维坐标序列；步骤S24，将单目视觉视频序列的人体骨骼点二维坐标序列输入步骤S18得到的基于LSTM的神经网络匹配模型的特征提取模块，提取特征序列；步骤S25，将S24中获得的特征与S22中获得的特征序列通过基于LSTM的神经网络匹配模型的感知机能模块分别计算相似度；步骤...
【专利技术属性】
技术研发人员：周宏明，宋康，张祥雷，高顺，徐玲杰，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江,33
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。