基于图卷积网络的步态识别方法技术

本发明专利技术公开了基于图卷积网络的步态识别方法，具体按照以下步骤实施：步骤1、获取行人步态训练数据；步骤2、对步骤1得到的训练数据进行预处理，再利用分区策略对预处理得到的图像求取图像各分区重心得到训练样本；步骤3、搭建图卷积网络；步骤4、设计损失函数；步骤5、初始化神经网络参数；步骤6、训练搭建好的神经网络，将步骤2得到的训练样本作为输入，对应的实际身份标签作为输出，成批次地输入到网络中，计算前向传播的损失，使用反向传播算法，调整各层神经元参数；步骤7、使用训练好的神经网络进行识别，得到未知身份样本的身份信息。通过本发明专利技术的方法能够更好的保留时间维度上的运动信息，达到更好的识别效果。

【技术实现步骤摘要】
基于图卷积网络的步态识别方法
本专利技术属于计算机视觉
，涉及基于图卷积网络的步态识别方法。
技术介绍
随着计算机视觉技术的发展，计算机被广泛的用于安全领域来进行身份识别。步态为步行姿态的缩写，经过心理学和生物学的证实，包含个体几乎唯一的特性，是应用于远距离视觉监控领域最有潜力的生物特征。且步态在其特点上来讲相比其他生物特征如指纹、人脸、虹膜等具有识别距离远、非侵犯性、难以伪装等优势，可以有效的减少身份识别所需要的时间成本。步态识别技术可以直接从人步行的视频序列来提取生物特征，然后利用提取到的生物特征进行行人的身份判断与鉴别。传统的步态识别方法，比如利用步态能量图(GEI)来将步态按照一个行走周期将信息融合成为一张静态的图片，然后利用图像分类技术来实现步态识别。这种方法虽然可以利用到步态的所有动态特征，但是其采用叠加的方式对每一时刻的状态进行累积，不能很好地反映步态的前后关系。同时，累积的方法面对衣物变化等情况时会极大的改变特征信息使识别很难有很好的表现。
技术实现思路
本专利技术的目的是提供基于图卷积网络的步本文档来自技高网...

【技术保护点】
1.基于图卷积网络的步态识别方法，其特征在于，具体按照以下步骤实施：/n步骤1、获取行人步态训练数据；/n步骤2、对步骤1得到的训练数据进行预处理，再利用分区策略对预处理得到的图像求取图像各分区重心得到训练样本；/n步骤3、搭建图卷积网络；/n步骤4、设计损失函数；/n步骤5、初始化神经网络参数；/n步骤6、训练搭建好的神经网络，将步骤2得到的训练样本作为输入，对应的实际身份标签作为输出，成批次地输入到网络中，计算前向传播的损失，使用反向传播算法，调整各层神经元参数；/n步骤7、使用训练好的神经网络进行识别，得到未知身份样本的身份信息。/n

【技术特征摘要】
1.基于图卷积网络的步态识别方法，其特征在于，具体按照以下步骤实施：
步骤1、获取行人步态训练数据；
步骤2、对步骤1得到的训练数据进行预处理，再利用分区策略对预处理得到的图像求取图像各分区重心得到训练样本；
步骤3、搭建图卷积网络；
步骤4、设计损失函数；
步骤5、初始化神经网络参数；
步骤6、训练搭建好的神经网络，将步骤2得到的训练样本作为输入，对应的实际身份标签作为输出，成批次地输入到网络中，计算前向传播的损失，使用反向传播算法，调整各层神经元参数；
步骤7、使用训练好的神经网络进行识别，得到未知身份样本的身份信息。


2.根据权利要求1所述的基于图卷积网络的步态识别方法，其特征在于，所述步骤1具体为：使用图像采集设备采集行人的步态特征数据，使用常用的步态识别用数据集或自行建立数据集，所述常用的步态识别用数据集包括CASIA-B数据集，OU-ISIR数据集或USF数据集。


3.根据权利要求1所述的基于图卷积网络的步态识别方法，其特征在于，所述步骤2具体包括以下步骤：
步骤2.1、对步骤1得到训练数据按帧进行拆分，得到N帧对应的N个图像；
步骤2.2、利用背景减除法提取图像中的运动对象得到行人二值图，对二值图按照相同宽高比例进行裁剪，得到原数据帧数数量，宽高比相同的步态剪影；
步骤2.3、对步态剪影以嵌套的方式进行分区，并求出每个分区的重心坐标位置；
步骤2.4、将每一帧人体分区重心图中的多个分区重心点按照人体结构以边的形式进行连接得到结构图；
步骤2.5、将每一帧重心图结构图在帧间沿相同分区重心进行连接得到人体重心轨迹图。


4.根据权利要求3所述的基于图卷积网络的步态识别方法，其特征在于，所述步骤2.3中分区包括行人整体，下半身，下半身左部，下半身右部，上本身，上半身左部和上半身右部。


5.根据权利要求1所述的基于图卷积网络的步态识别方法，其特征在于，所述步骤3中图卷积网络结构依次为：输入层...

【专利技术属性】
技术研发人员：刘龙，黄焱航，陈万军，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61