一种多尺度步态识别方法和系统以及智能家电技术方案

本发明专利技术提供一种多尺度步态识别方法，包括：广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片；对所获取的连续多帧图片进行多尺度变换；对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理；将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。本发明专利技术还提供了一种多尺度步态识别系统以及采用该多尺度步态识别系统的智能家电。无需人的行为配合，即可实现远距离的步态行为的识别，判断目标是用户还是闯入者，提高智能家居系统的安防可靠性。

【技术实现步骤摘要】
一种多尺度步态识别方法和系统以及智能家电
本专利技术涉及一种步态识别方法和系统，具体涉及一种多尺度步态识别方法和系统以及采用该步态识别系统的智能家电。
技术介绍
目前智能家居系统可以通过人脸识别来检测是否有外人闯入室内，人脸识别技术也越来成熟，但人脸识别技术仍然需要用户行为配合，需要用户近距离靠近摄像头才能识别，当闯入者伪装例如带上面具，人脸识别技术就无法进行识别判断，这样智能家居系统安防安全性得不到保障。
技术实现思路
鉴于此，本专利技术提供了一种多尺度步态识别方法和系统以及采用该步态识别系统的智能家电，无需人的行为配合，即可实现远距离的步态行为的识别，判断目标是用户还是闯入者，提高智能家居系统的安防可靠性。本专利技术提供了一种多尺度步态识别方法，包括：S1，广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片；S2，对所获取的连续多帧图片进行多尺度变换；S3，对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理；S4，将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。作为本专利技术进一步的改进，S2包括：对所获取的连续多帧图片，提取目标的不同尺度的步态信息，并将提取的不同尺度的步态信息的尺度变为同一尺度。作为本专利技术进一步的改进，S3包括：通过主干网络对尺度变换后的连续多帧图片进行特征信息提取，获取目标的连续步态特征信息，并对提取出的目标的连续步态特征信息进行池化降维处理。作为本专利技术进一步的改进，所述主干网络采用MobinetV3。作为本专利技术进一步的改进，S4包括：将降维后的目标的连续步态特征信息输入多帧循环神经网络，与数据库中存储的用户的连续步态特征信息进行匹配，并计算提取的目标的连续步态特征信息与存储的用户的连续步态信息之间的损失值和召回率，判断目标的连续步态特征信息与用户的连续步态特征信息是否为同一人的步态特征信息，确定该目标是否为用户。作为本专利技术进一步的改进，所述多帧循环神经网络采用LSTM或GRU神经网络。本专利技术还提供了一种多尺度步态识别系统，采用前述所述的一种多尺度步态识别方法。作为本专利技术进一步的改进，多尺度步态识别系统包括：图像采集模块，其用于广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片；尺度变换模块，其用于对所获取的连续多帧图片进行多尺度变换；特征提取模块，其用于对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理；步态识别模块，其用于将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。本专利技术还提供了一种智能家电，所述智能家电采用前述所述的一种多尺度步态识别系统。作为本专利技术进一步的改进，当所述智能家电内置的多尺度步态识别系统判断进入摄像头视场范围内目标不是用户时，通过智能家电中内置的网络将信息发送至用户手机上，提示用户有陌生人闯入，用户通过手机APP查看陌生人图片信息。本专利技术的有益效果：无需人的行为配合，即可通过多尺度的步态识别，识别多达50米远的目标的步态行为并准确识别出行目标是谁，判断目标是用户还是闯入者，提高智能家居系统的安防可靠性，并提高用户的体验感和安全感。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中一种多尺度步态识别方法的流程示意图；图2是本专利技术多尺度变换的流程示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员以使得本专利技术所属
的技术人员能够容易实施。正如本专利技术所属
的技术人员能够容易理解，将在后面描述的实施例在不脱离本专利技术的概念和范围的基础上可变形为多种形式。在附图中尽量将相同或相似的部分用相同的附图标记表示。在此使用的专业术语只是用来说明特定实施例而提供的，并不是用来限制本专利技术。在此使用的单数形式在没有表示明确的相反含义的情况下也包含复数形式。在说明书中使用的“包含”的具体化了特定的特性、领域、常数、步骤、动作、要素及/或成分，并不排除其他特定的特性、领域、常数、步骤、动作、要素、成分及/或组的存在或附加。将下面使用的技术用语及科学用语包括在内的所有用语具有与本专利技术所属
的技术人员一般理解的含义相同的含义。在词典中所定义的用语被补充解释为与相关技术文献和当前公开的内容相符的含义，在没有定义的情况下，不能被解释为具有非常正式的含义。如图1所示，本专利技术实施例所述的一种多尺度步态识别方法，包括：S1，广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片。S2，对所获取的连续多帧图片进行多尺度变换。如图2所示，S2具体包括：对所获取的连续多帧图片，提取目标的不同尺度的步态信息，并将提取的不同尺度的步态信息的尺度变为同一尺度。S3，对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理。S3具体包括：通过主干网络对尺度变换后的连续多帧图片进行特征信息提取，获取目标的连续步态特征信息，并对提取出的目标的连续步态特征信息进行池化降维处理。本实施例中主干网络采用MobinetV3，利用其消耗内存小、运行快、精度高等优点。但本申请的主干网络并不仅限于上述MobinetV3，其他可以充当主干网络实现特征信息提取的网络也可。池化降维处理目的主要是减少特征信息数量，减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合，提高了后续特征信息识别的可靠性。S4，将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。S4具体包括：将降维后的目标的连续步态特征信息输入多帧循环神经网络，与数据库中存储的用户的连续步态特征信息进行匹配，并计算提取的目标的连续步态特征信息与存储的用户的连续步态信息之间的损失值和召回率，判断目标的连续步态特征信息与用户的连续步态特征信息是否为同一人的步态特征信息，确定该目标是否为用户。多帧循环神经网络通过用户大量的样本数据训练获取，用户的连续步态特征信息预先存储在数据库中。本本文档来自技高网...

【技术保护点】
1.一种多尺度步态识别方法，其特征在于，包括：/nS1，广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片；/nS2，对所获取的连续多帧图片进行多尺度变换；/nS3，对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理；/nS4，将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。/n

【技术特征摘要】
1.一种多尺度步态识别方法，其特征在于，包括：
S1，广角摄像头实时获取室内空间信息，并判断是否有目标进入摄像头视场范围内，当有目标进入摄像头视场范围内时，摄像头获取目标在室内行走的连续多帧图片；
S2，对所获取的连续多帧图片进行多尺度变换；
S3，对尺度变换后的连续多帧图片提取出目标的连续步态特征信息，并进行降维处理；
S4，将降维后的目标的连续步态特征信息与存储的用户的连续步态特征信息进行匹配识别，确定该目标是否为用户。


2.如权利要求1所述的一种多尺度步态识别方法，其特征在于，S2包括：对所获取的连续多帧图片，提取目标的不同尺度的步态信息，并将提取的不同尺度的步态信息的尺度变为同一尺度。


3.权利要求1所述的一种多尺度步态识别方法，其特征在于，S3包括：通过主干网络对尺度变换后的连续多帧图片进行特征信息提取，获取目标的连续步态特征信息，并对提取出的目标的连续步态特征信息进行池化降维处理。


4.权利要求3所述的一种多尺度步态识别方法，其特征在于，所述主干网络采用MobinetV3。


5.如权利要求1所述的一种多尺度步态识别方法，其特征在于，S4包括：将降维后的目标的连续步态特征信息输入多帧循环神经网络，与数据库中存储的用户的连续步态特征信息进行匹配，并计算提取的目标的连续步态特征信息与存储的用户的连续步态信息之间的损失值和召回率，判断目标的连续步态特征信息与用户的连续步态...

【专利技术属性】
技术研发人员：文皓，毛跃辉，李保水，王慧君，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44