【技术实现步骤摘要】
一种基于时空特征融合的步态分类方法
本专利技术涉及人工智能
，具体涉及一种基于时空特征融合的步态分类方法。
技术介绍
步态作为人类生物特征的重要成员之一，与人脸、指纹、虹膜等其它生物特征相比，具有易于远距离采集、无需被识别对象刻意配合、难以长时间伪装等优点，因此，步态分类是人类身份识别应用领域中的重要技术。然而，由于步态视频采集视角的变化和被识别者着装的差异等因素的影响，基于步态的身份识别仍然面临着诸多挑战，其分类和识别的正确率难以达到实际应用的要求。
技术实现思路
针对现有的步态分类的不足，本专利技术提出一种基于时空特征融合的步态分类方法，该方法将深度学习技术融入到步态特征的提取过程中，用以解决步态分类过程中由于视频采集视角变化和着装差异造成的识别率不足的问题。本专利技术的目的通过如下的技术方案来实现：一种基于时空特征融合的步态分类方法，该方法具体包括如下步骤：S1：根据帧率对输入步态视频进行随机稀疏时序采样，具体如下：将输入步态视频划分为长度为采样间隔FC的等长图...
【技术保护点】
1.一种基于时空特征融合的步态分类方法，其特征在于，该方法具体包括如下步骤：/nS1：根据帧率对输入步态视频进行随机稀疏时序采样，具体如下：/n将输入步态视频划分为长度为采样间隔F
【技术特征摘要】
1.一种基于时空特征融合的步态分类方法，其特征在于，该方法具体包括如下步骤：
S1：根据帧率对输入步态视频进行随机稀疏时序采样，具体如下：
将输入步态视频划分为长度为采样间隔FC的等长图像分组，得到时序步态图像{f1,f2,…,fG}，其中，G为图像分组的个数，FC＝B×F0/FB，B为基准采样间隔，F0为输入步态视频的帧率，FB为基准帧率。
S2：随机抽取图像分组中的一个样本进行如下的预处理：
(1)通过高斯背景建模，对人体区域进行粗略分割；
(2)对粗略分割的人体区域再经过滤波和形态学操作，得到完整的二值化人体区域图像；
(3)将所述的完整的二值化人体区域图像进行规范化处理，即尺寸调整和中心对齐，减少步态图像的类内差异；
S3：对规范化处理后的二值化图像进行时空步态特征的提取，具体如下：
通过时序增强子网络提取时序步态特征：计算相邻时序特征图之间的差异向量来刻画不同人的步态在时间维度上的属性，再将差异向量输入激活函数得到特征图，最后将所得特征图与规范化处理后的二值化图像相乘来增强步态特征的时序信息；
通过残差子网络提取空间步态特征：利用带有短路链接支路的残差子网络提取时序步态图像...
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。