用于生成步态识别模型的方法和装置制造方法及图纸

本申请实施例公开了用于生成步态识别模型的方法和装置。该方法的一具体实施方式包括：获取训练样本集合，其中，训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；基于训练样本集合和预设的损失函数训练得到步态识别模型。该实施方式能够提高步态识别的准确率。

Method and device for generating gait recognition model

【技术实现步骤摘要】
用于生成步态识别模型的方法和装置
本申请实施例涉及计算机
，具体涉及用于生成步态识别模型的方法和装置。
技术介绍
步态识别是近年来越来越多的研究者所关注的一种较新的生物特征识别技术，它是通过人们走路的姿态来进行身份识别的方法。步态是指人们行走时的方式，是一种复杂的行为特征。与其他的生物识别技术相比，步态识别具有非接触、远距离和不容易伪装的优点，在某些领域(例如，智能视频监控领域)比图像识别更具优势。相关技术通常以视觉信号为基础进行步态识别。例如，直接从捕获的图片中提取有关于步态的特征。然而，在实际应用中，环境的光照、障碍物等因素会影响步态识别的准确率。
技术实现思路
本申请实施例提出了用于生成步态识别模型的方法和装置。第一方面，本申请实施例提供了一种用于生成步态识别模型的方法，该方法包括：获取训练样本集合，其中，训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；基于训练样本集合和预设的损失函数训练得到步态识别模型。在一些实施例中，基于训练样本集合和预设的损失函数训练得到步态识别模型，包括：执行如下训练步骤：对于训练样本集合中的训练样本，将该训练样本的第一无线频谱、第二无线频谱和第三无线频谱分别输入到初始卷积神经网络，得到分别与输入的第一无线频谱、第二无线频谱和第三无线频谱对应的第一特征信息、第二特征信息和第三特征信息；基于所得到的第一特征信息集合、第二特征信息集合和第三特征信息集合，确定损失函数的值是否小于或等于预设数值；若损失函数的值小于或等于预设数值，将初始卷积神经网络确定为步态识别模型。在一些实施例中，基于训练样本集合和预设的损失函数训练得到步态识别模型，还包括：若损失函数的值大于预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行训练步骤。在一些实施例中，第一无线频谱、第二无线频谱和第三无线频谱选自预先存储的无线频谱集合，无线频谱集合中的无线频谱通过如下步骤生成：在样本用户沿预设路线行走期间，对样本用户所在区域的目标位置进行无线信号采集，得到采用CSI描述的无线信号；对采集的无线信号进行去噪处理；对去噪后的无线信号进行时频变换，得到表征样本用户的步态的无线频谱。在一些实施例中，无线信号包括Wi-Fi信号或毫米波信号。第二方面，本申请实施例提供了一种用于识别步态的方法，该方法包括：获取表征待识别用户的步态的无线频谱；将无线频谱输入到采用第一方面中任一实现方式描述的方法生成的步态识别模型，得到待识别用户的特征信息；将特征信息与预存特征信息进行匹配；基于匹配结果生成待识别用户的识别结果。第三方面，本申请实施例提供了一种用于生成步态识别模型的方法，步态识别模型包括第一子识别模型和第二子识别模型，该方法包括：获取第一训练样本集合，其中，第一训练样本包括第一步态能量图、第二步态能量图和第三步态能量图，第一步态能量图和第二步态能量图为表征同一用户的步态的步态能量图，第一步态能量图和第三步态能量图为表征不同用户的步态的步态能量图；获取第二训练样本集合，其中，第二训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；基于第一训练样本集合和预设的损失函数训练得到第一子识别模型；基于第二训练样本集合和损失函数训练得到第二子识别模型；根据第一训练样本集合中第一训练样本的数量以及第二训练样本集合中第二训练样本的数量，确定第一子识别模型的模型输出与第二子识别模型的模型输出分别在步态识别模型的输出中的权重。在一些实施例中，基于第一训练样本集合和预设的损失函数训练得到第一子识别模型，包括：执行如下第一训练步骤：对于第一训练样本集合中的第一训练样本，将该第一训练样本的第一步态能量图、第二步态能量图和第三步态能量图分别输入到初始卷积神经网络，得到分别与输入的第一步态能量图、第二步态能量图和第三步态能量图对应的第一特征信息、第二特征信息和第三特征信息；基于所得到的第一特征信息集合、第二特征信息集合和第三特征信息集合，确定损失函数的值是否小于或等于预设数值；若损失函数的值小于或等于预设数值，将初始卷积神经网络确定为第一子识别模型。在一些实施例中，基于第一训练样本集合和预设的损失函数训练得到第一子识别模型，还包括：若损失函数的值大于预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行第一训练步骤。在一些实施例中，基于第二训练样本集合和损失函数训练得到第二子识别模型，包括：执行如下第二训练步骤：对于第二训练样本集合中的第二训练样本，将该第二训练样本的第一无线频谱、第二无线频谱和第三无线频谱分别输入到初始卷积神经网络，得到分别与输入的第一无线频谱、第二无线频谱和第三无线频谱对应的第四特征信息、第五特征信息和第六特征信息；基于所得到的第四特征信息集合、第五特征信息集合和第六特征信息集合，确定损失函数的值是否小于或等于预设数值；若损失函数的值小于或等于预设数值，将初始卷积神经网络确定为步态识别模型。在一些实施例中，基于第二训练样本集合和损失函数训练得到第二子识别模型，还包括：若损失函数的值大于预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行第二训练步骤。在一些实施例中，第一步态能量图、第二步态能量图和第三步态能量图选自预先存储的步态能量图集合，步态能量图集合中的步态能量图通过如下步骤生成：在样本用户沿预设路线行走期间，对样本用户进行视频采集，得到样本用户的行走视频；从行走视频中提取多个关键帧；从多个关键帧中提取样本用户的人体轮廓生成人体剪影；基于生成的人体剪影合成步态能量图。在一些实施例中，第一无线频谱、第二无线频谱和第三无线频谱选自预先存储的无线频谱集合，无线频谱集合中的无线频谱通过如下步骤生成：在样本用户沿预设路线行走期间，对样本用户所在区域的目标位置进行无线信号采集，得到采用CSI描述的无线信号；对采集的无线信号进行去噪处理；对去噪后的无线信号进行时频变换，得到表征样本用户的步态的无线频谱。在一些实施例中，无线信号包括Wi-Fi信号或毫米波信号。第四方面，本申请实施例提供了一种用于识别步态的方法，该方法包括：获取表征待识别用户的步态的步态能量图和无线频谱；将步态能量图输入到采用第三方面中任一实现方式描述的方法生成的步态识别模型的第一子识别模型得到待识别用户的第一特征信息；将无线频谱输入到步态识别模型的第二子识别模型得到待识别用户的第二特征信息；将第一特征信息与预存第一特征信息进行匹配；将第二特征信息与预存第二特征信息进行匹配；基于第一子识别模型的模型输出与第二子识别模型的模型输出在步态识别模型的输出中的权重，对第一特征信息的匹配结果与第二特征信息的匹配结果进行本文档来自技高网...

【技术保护点】
1.一种用于生成步态识别模型的方法，包括：/n获取训练样本集合，其中，训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；/n基于所述训练样本集合和预设的损失函数训练得到所述步态识别模型。/n

【技术特征摘要】
1.一种用于生成步态识别模型的方法，包括：
获取训练样本集合，其中，训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；
基于所述训练样本集合和预设的损失函数训练得到所述步态识别模型。


2.根据权利要求1所述的方法，其中，所述基于所述训练样本集合和预设的损失函数训练得到所述步态识别模型，包括：
执行如下训练步骤：
对于所述训练样本集合中的训练样本，将该训练样本的第一无线频谱、第二无线频谱和第三无线频谱分别输入到初始卷积神经网络，得到分别与输入的第一无线频谱、第二无线频谱和第三无线频谱对应的第一特征信息、第二特征信息和第三特征信息；
基于所得到的第一特征信息集合、第二特征信息集合和第三特征信息集合，确定所述损失函数的值是否小于或等于预设数值；
若所述损失函数的值小于或等于所述预设数值，将初始卷积神经网络确定为所述步态识别模型。


3.根据权利要求2所述的方法，其中，所述基于所述训练样本集合和预设的损失函数训练得到所述步态识别模型，还包括：
若所述损失函数的值大于所述预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行所述训练步骤。


4.根据权利要求1所述的方法，其中，第一无线频谱、第二无线频谱和第三无线频谱选自预先存储的无线频谱集合，所述无线频谱集合中的无线频谱通过如下步骤生成：
在样本用户沿预设路线行走期间，对样本用户所在区域的目标位置进行无线信号采集，得到采用信道状态信息CSI描述的无线信号；
对采集的无线信号进行去噪处理；
对去噪后的无线信号进行时频变换，得到表征样本用户的步态的无线频谱。


5.根据权利要求4所述的方法，其中，无线信号包括无线保真Wi-Fi信号或毫米波信号。


6.一种用于识别步态的方法，包括：
获取表征待识别用户的步态的无线频谱；
将所述无线频谱输入到采用权利要求1-5之一所述的方法生成的步态识别模型，得到所述待识别用户的特征信息；
将所述特征信息与预存特征信息进行匹配；
基于匹配结果生成所述待识别用户的识别结果。


7.一种用于生成步态识别模型的方法，所述步态识别模型包括第一子识别模型和第二子识别模型，所述方法包括：
获取第一训练样本集合，其中，第一训练样本包括第一步态能量图、第二步态能量图和第三步态能量图，第一步态能量图和第二步态能量图为表征同一用户的步态的步态能量图，第一步态能量图和第三步态能量图为表征不同用户的步态的步态能量图；
获取第二训练样本集合，其中，第二训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；
基于所述第一训练样本集合和预设的损失函数训练得到所述第一子识别模型；
基于所述第二训练样本集合和所述损失函数训练得到所述第二子识别模型；
根据所述第一训练样本集合中第一训练样本的数量以及所述第二训练样本集合中第二训练样本的数量，确定所述第一子识别模型的模型输出与所述第二子识别模型的模型输出分别在所述步态识别模型的输出中的权重。


8.根据权利要求7所述的方法，其中，所述基于所述第一训练样本集合和预设的损失函数训练得到所述第一子识别模型，包括：
执行如下第一训练步骤：
对于所述第一训练样本集合中的第一训练样本，将该第一训练样本的第一步态能量图、第二步态能量图和第三步态能量图分别输入到初始卷积神经网络，得到分别与输入的第一步态能量图、第二步态能量图和第三步态能量图对应的第一特征信息、第二特征信息和第三特征信息；
基于所得到的第一特征信息集合、第二特征信息集合和第三特征信息集合，确定所述损失函数的值是否小于或等于预设数值；
若所述损失函数的值小于或等于所述预设数值，将初始卷积神经网络确定为所述第一子识别模型。


9.根据权利要求8所述的方法，其中，所述基于所述第一训练样本集合和预设的损失函数训练得到所述第一子识别模型，还包括：
若所述损失函数的值大于所述预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行所述第一训练步骤。


10.根据权利要求7所述的方法，其中，所述基于所述第二训练样本集合和所述损失函数训练得到所述第二子识别模型，包括：
执行如下第二训练步骤：
对于所述第二训练样本集合中的第二训练样本，将该第二训练样本的第一无线频谱、第二无线频谱和第三无线频谱分别输入到初始卷积神经网络，得到分别与输入的第一无线频谱、第二无线频谱和第三无线频谱对应的第四特征信息、第五特征信息和第六特征信息；
基于所得到的第四特征信息集合、第五特征信息集合和第六特征信息集合，确定所述损失函数的值是否小于或等于预设数值；
若所述损失函数的值小于或等于所述预设数值，将初始卷积神经网络确定为所述步态识别模型。


11.根据权利要求10所述的方法，其中，所述基于所述第二训练样本集合和所述损失函数训练得到所述第二子识别模型，还包括：
若所述损失函数的值大于所述预设数值，调整初始卷积神经网络的参数，使用调整后的初始卷积神经网络作为初始卷积神经网络，继续执行所述第二训练步骤。


12.根据权利要求7所述的方法，其中，第一步态能量图、第二步态能量图和第三步态能量图选自预先存储的步态能量图集合，所述步态能量图集合中的步态能量图通过如下步骤生成：
在样本用户沿预设路线行走期间，对样本用户进行视频采集，得到样本用户的行走视频；
从行走视频中提取多个关键帧；
从所述多个关键帧中提取样本用户的人体轮廓生成人体剪影；
基于生成的人体剪影合成步态能量图。


13.根据权利要求7所述的方法，其中，第一无线频谱、第二无线频谱和第三无线频谱选自预先存储的无线频谱集合，所述无线频谱集合中的无线频谱通过如下步骤生成：
在样本用户沿预设路线行走期间，对样本用户所在区域的目标位置进行无线信号采集，得到采用CSI描述的无线信号；
对采集的无线信号进行去噪处理；
对去噪后的无线信号进行时频变换，得到表征样本用户的步态的无线频谱。


14.根据权利要求13所述的方法，其中，无线信号包括Wi-Fi信号或毫米波信号。


15.一种用于识别步态的方法，包括：
获取表征待识别用户的步态的步态能量图和无线频谱；
将所述步态能量图输入到采用权利要求7-14之一所述的方法生成的步态识别模型的第一子识别模型得到所述待识别用户的第一特征信息；
将所述无线频谱输入到所述步态识别模型的第二子识别模型得到所述待识别用户的第二特征信息；
将所述第一特征信息与预存第一特征信息进行匹配；
将所述第二特征信息与预存第二特征信息进行匹配；
基于所述第一子识别模型的模型输出与所述第二子识别模型的模型输出在所述步态识别模型的输出中的权重，对所述第一特征信息的匹配结果与所述第二特征信息的匹配结果进行融合，生成所述待识别用户的识别结果。


16.一种用于生成步态识别模型的方法，所述步态识别模型包括第一子识别模型、第二子识别模型和第三子识别模型，所述方法包括：
获取第一训练样本集合，其中，第一训练样本包括第一步态能量图、第二步态能量图和第三步态能量图，第一步态能量图和第二步态能量图为表征同一用户的步态的步态能量图，第一步态能量图和第三步态能量图为表征不同用户的步态的步态能量图；
获取第二训练样本集合，其中，第二训练样本包括第一Wi-Fi频谱、第二Wi-Fi频谱和第三Wi-Fi频谱，第一Wi-Fi频谱和第二Wi-Fi频谱为表征同一用户的步态的Wi-Fi频谱，第一Wi-Fi频谱和第三Wi-Fi频谱为表征不同用户的步态的Wi-Fi频谱；
获取第三训练样本集合，其中，第三训练样本包括第一毫米波频谱、第二毫米波频谱和第三毫米波频谱，第一毫米波频谱和第二毫米波频谱为表征同一用户的步态的毫米波频谱，第一毫米波频谱和第三毫米波频谱为表征不同用户的步态的毫米波频谱；
基于所述第一训练样本集合和预设的损失函数训练得到所述第一子识别模型；
基于所述第二训练样本集合和所述损失函数训练得到所述第二子识别模型；
基于所述第三训练样本集合和所述损失函数训练得到所述第三子识别模型；
根据所述第一训练样本集合中第一训练样本的数量、所述第二训练样本集合中第二训练样本的数量以及所述第三训练样本集合中第三训练样本的数量，确定所述第一子识别模型的模型输出、所述第二子识别模型的模型输出与所述第三子识别模型的模型输出在所述步态识别模型的输出中的权重。


17.一种用于识别步态的方法，包括：
获取表征待识别用户的步态的步态能量图、Wi-Fi频谱和毫米波频谱；
将所述步态能量图输入到采用权利要求16所述的方法生成的步态识别模型的第一子识别模型得到所述待识别用户的第一特征信息；
将所述Wi-Fi频谱输入到所述步态识别模型的第二子识别模型得到所述待识别用户的第二特征信息；
将所述毫米波频谱输入到所述步态识别模型的第三子识别模型得到所述待识别用户的第三特征信息；
将所述第一特征信息与预存第一特征信息进行匹配；
将所述第二特征信息与预存第二特征信息进行匹配；
将所述第三特征信息与预存第三特征信息进行匹配；
基于所述第一子识别模型的模型输出、所述第二子识别模型的模型输出与所述第三子识别模型的模型输出在所述步态识别模型的输出中的权重，对所述第一特征信息的匹配结果、所述第二特征信息的匹配结果与所述第三特征信息的匹配结果进行融合，生成所述待识别用户的识别结果。


18.一种用于生成步态识别模型的装置，包括：
样本获取单元，被配置成获取训练样本集合，其中，训练样本包括第一无线频谱、第二无线频谱和第三无线频谱，第一无线频谱和第二无线频谱为表征同一用户的步态的无线频谱，第一无线频谱和第三无线频谱为表征不同用户的步态的无线频谱；
模型训练单元，被配置成基于所述训练样本集合和预设的损失函数训练得到所述步态识别模型。


19.根据权利要求18所述的装置，其中，所述模型训练单元包括：
训练模块，...

【专利技术属性】
技术研发人员：刘武，梅涛，程昱昊，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11