【技术实现步骤摘要】
步态识别方法、装置、终端及存储装置
本申请涉及计算机视觉
，特别是涉及一种步态识别方法、装置、终端及存储装置。
技术介绍
近年来，如何以一种自然的方式，即不影响待辨识人的正常活动，有效、可靠的对个人身份进行验证和辨识，在公共安全领域受到广泛重视。常用的生物特征身份认证方法，如指纹、掌纹等，需要待辨识人与识别装置发生物理接触和配合，而基于视频监控系统的身份验证方法，可以不需要待辨识人的配合和注意。人的步态信息是其中一种可以通过视频获取的重要生物特征。采用步态作为生物特征可以在低分辨率的视频图像中对人身份进行辨识。现有技术中公开了一种基于轮廓序列的步态识别方法，其通过提取步态轮廓序列中的每一帧的高层语义特征，最终融合每一帧的语义特征映射到具有判别力的空间用于身份识别。但是，该方法直接将分割得到的轮廓图进行特征提取，而实际监控场景下不能完全保证每一帧的分割精度，并未考虑轮廓序列是否每一帧都具有相同的价值，使得融合得到的语义特征与实际偏差较大，影响最终识别准确率。
技术实现思路
本申请提供步...
【技术保护点】
1.一种步态识别方法，其特征在于，包括：/n利用训练好的步态周期划分模型从视频流中提取一个步态周期的步态轮廓序列，所述步态轮廓序列包括多帧步态轮廓图；/n提取所述步态轮廓序列中每张所述步态轮廓图的特征；/n利用所有所述步态轮廓图的特征获取所述步态轮廓序列的质量评价数组；/n利用所述质量评价数组对所有所述步态轮廓图的特征进行叠加融合，得到所述步态轮廓序列的整体特征；/n至少利用所述步态轮廓序列的整体特征进行识别。/n
【技术特征摘要】 【专利技术属性】
1.一种步态识别方法，其特征在于，包括：
利用训练好的步态周期划分模型从视频流中提取一个步态周期的步态轮廓序列，所述步态轮廓序列包括多帧步态轮廓图；
提取所述步态轮廓序列中每张所述步态轮廓图的特征；
利用所有所述步态轮廓图的特征获取所述步态轮廓序列的质量评价数组；
利用所述质量评价数组对所有所述步态轮廓图的特征进行叠加融合，得到所述步态轮廓序列的整体特征；
至少利用所述步态轮廓序列的整体特征进行识别。
2.根据权利要求1所述的步态识别方法，其特征在于，
所述利用所有所述步态轮廓图的特征获取所述步态轮廓序列的质量评价数组的步骤，包括：
将多帧所述步态轮廓图的特征经卷积池化操作后得到基于帧数、图像通道数、所述步态轮廓图的高和宽的四维张量；
利用1×1卷积对所述四维张量升维后进行学习，再压缩转换为三维张量；
将所述三维张量转化为所述质量评价数组。
3.根据权利要求1所述的步态识别方法，其特征在于，
所述每张所述步态轮廓图的特征包括每张所述步态轮廓图的高层语义特征、中层语义特征和低层语义特征。
4.根据权利要求3所述的步态识别方法，其特征在于，
所述步态轮廓序列的质量评价数组包括与所述高层语义特征对应的高层质量评价数组、与所述中层语义特征对应的中层质量评价数组和与所述低层语义特征对应的低层质量评价数组。
5.根据权利要求4所述的步态识别方法，其特征在于，
所述步态轮廓序列的整体特征包括高层整体特征、中层整体特征和低层整体特征；
所述利用所述质量评价数组对所有所述步态轮廓图的特征进行叠加融合，得到所述步态轮廓序列的整体特征的步骤，包括：
利用所述高层质量评价数组将所有所述高层语义特征按图像通道进行叠加融合，得到所述高层整体特征；
利用所述中层质量评价数组将所有所述中层语义特征按图像通道进行叠加融合，得到所述中层整体特征；
利用所述低层质量评价数组将所有所述低层语义特征按图像通道进行叠加融合，得到所述低层整体特征。
6.根据权利要求5所述的步态识别方法，其特征在于，
所述步态轮廓序列的整体特征还包括融合整体特征，所述融合整体特征是对所述高层整体特征、所述中层整体特征和所述低层整体特征进行空间融合而得到的。
7.根据权利要求1所述的步态识别方法，其特征在于，
进一步包括对所述步态周期划分模型进行训练，所述步态周期划分模型的训练步骤，包括：
提取一个步态周期内所有图像的关节数据，并构建每张图像的骨架图；
获取每张所述骨架图在所述所有图像中的顺序位置，并根据所述顺序位置设定每张所述骨架图的余弦值；
利用卷积神经网络对所述骨架图和所述余弦值进行训练，得到训练好的步态周期划分模型。
技术研发人员：罗时现，潘华东，殷俊，张兴明，
申请(专利权)人：浙江大华技术股份有限公司，
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。