一种三维时空对象局部特征提取和对象识别的方法与装置制造方法及图纸

本发明专利技术公开了一种三维时空对象局部特征提取和对象识别的方法与装置。该方法包括：获取三维时空对象视频帧序列；对获得的行人轮廓图像进行分析，定位人体特定区域位置；根据定位到的特定区域位置采样局部区域时空特征；将上述局部特征与全局特征融合，得到输出特征。本发明专利技术在多个步态识别数据集上超过目前最好的算法，解决了相关技术中提取到的时空三维特征受行人外观影响过大，导致识别结果不准确的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
一种三维时空对象局部特征提取和对象识别的方法与装置


[0001]本专利技术属于计算机
，尤其涉及一种三维时空对象局部特征提取和对象识别的方法与装置。

技术介绍

[0002]现如今，深度学习技术被广泛应用到各个领域中，而步态识别是一种新兴的生物特征识别技术，旨在利用深度学习，通过人们走路的姿态进行身份识别，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。在智能视频监控领域，比图像识别更具优势。步态识别的关键在于通过不同的行走模式，识别不同目标，而人体的不同部分往往具有不同的外观、不同的运动模式，模型应当具备提取特定局部区域在特定时间段内的特征。
[0003]现有的步态识别方法将空间特征的提取和时间特征的提取分为两步进行：每一帧图像先经过空间模块独立地提取每一帧的外观特征，然后经过时间模块提取不同帧特征之间的时序相关性。这种做法的缺点在于，没有考虑空间和时间的相关性，物体的运动往往意味着在时间和空间同时发生变化。不仅如此，之前的方法对步态局部特征的利用上还停留在非常原始简单的阶段，在整个人体的外观特征分成若干个横条，每一个横条被认为是一个局部特征，所有的局部特征分别经过一个提取时序相关性的模块，拼接在一起作为最终的步态特征。这种做法有两点缺点，首先不同的人体部位具有不同的尺寸，即使是相同的部位，在不同帧也可能有不同的尺寸；其次，不同的人体部位具有的运动模式，比如运动从哪一帧开始，到哪一帧结束，运动的频率与速度等。如何更好地得到三维时空局部特征，以便于保障后续应用是业界亟待解决的问题。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的不足，提供一种三维时空对象局部特征提取和对象识别的方法与装置。本专利技术能够提取特定位置的三维局部区域，独立提取不同人体区域的特征，提升最终特征的泛化性和表达能力，解决了目前三维步态识别领域提取特征时由于没有考虑时空信息的相关性以及没有充分利用好局部特征，导致识别结果受行人外观影响较大、最终步态识别结果不准确的问题，从而更好地保障对对象的识别。
[0005]本专利技术的目的是通过以下技术方案来实现的：一种三维时空对象局部特征提取的方法，包括：
[0006]根据三维时空对象的高层特征信息和先验知识，定位三维时空对象的局部特征区域。
[0007]对定位出的局部特征区域分别进行采样以获取采样信息。
[0008]对采样三维时空信息分别进行特征提取，获取局部特征区域的局部特征信息。
[0009]进一步地，所述高层特征信息由神经网络模型对所述三维时空对象进行特征提取得到。
[0010]进一步地，所述先验知识用于表征所述三维时空对象的不同部位，包括一种或一种以上预先学习出的对所述三维时空对象进行区域划分的子块信息。
[0011]进一步地，定位三维时空对象的局部特征区域，包括：根据所述先验知识表征的所述三维时空对象的不同部位，从所述三维时空对象的高层特征信息中定位出一种或一种以上局部特征区域。
[0012]进一步地，所述采样包括上采样或下采样。
[0013]进一步地，所述采样信息对应的采样信息图的尺寸小于或等于所述高层特征信息对应的高层特征图的尺寸。
[0014]进一步地，获取局部特征区域的局部特征信息，包括：利用神经网络模型对所述采样信息对应的采样信息图进行特征提取，获取局部特征区域的局部特征信息。
[0015]一种基于上述三维时空对象局部特征提取方法的三维时空对象识别方法，包括：
[0016]获取三维时空对象的局部特征信息，包括：根据三维时空对象的高层特征信息和先验知识，定位对象的局部特征区域；对定位出的局部特征区域分别进行采样以获取采样信息；对采样信息分别进行特征提取，获取局部特征区域的局部特征信息。
[0017]同时合并获取的局部特征信息和高层特征信息以及不同时间点的视频帧的局部特征信息和高层特征信息，作为对象识别结果。
[0018]一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述三维时空对象识别方法。
[0019]一种用于实现接口预加载的装置，包括存储器和处理器，存储器中存储有以下可被处理器执行的指令：用于执行上述三维时空对象识别方法的步骤。
[0020]本专利技术的有益效果是：本专利技术通过对获取到的时空人体步态视频帧序列进行分析，定位人体局部区域位置并进行采样，从视频帧序列中同时提取局部区域的时间和空间两种特征，即时空动态特征，由于该时空动态特征融合静态和动态信息，基于该时空动态特征对上述人体动作进行识别，达到了同时关注时空局部信息的目的，从而实现了提升识别三维对象的准确性的技术效果，进而解决了相关技术中识别结果受行人外观影响较大、最终导致步态识别结果不准确的问题。
附图说明
[0021]附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。
[0022]图1为本专利技术三维时空局部特征提取方法的流程图；
[0023]图2为本专利技术三维时空局部特征提取装置的组成结构示意图；
[0024]图3为本专利技术三维时空对象识别方法的流程图；
[0025]图4为本专利技术三维时空对象识别装置的组成结构示意图；
[0026]图5为本专利技术三维时空对象局部特征提取及融合过程示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是
本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]首先，在对本专利技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
[0030]深度学习(Deep Learning)：深度学习是指多层神经网络上运用各种机器学习算法解决图像，文本等各种问题的算法集合。深度学习从大类上可以归入神经网络，不过在具体实现上有许多变化。深度学习的核心是特征学习，旨在通过分层网络获取分层次的特征信息，从而解决以往需要人工设计特征的重要难题。
[0031]步态识别(Gait Recognition本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维时空对象局部特征提取的方法，其特征在于，包括：根据三维时空对象的高层特征信息和先验知识，定位三维时空对象的局部特征区域。对定位出的局部特征区域分别进行采样以获取采样信息。对采样三维时空信息分别进行特征提取，获取局部特征区域的局部特征信息。2.根据权利要求1所述三维时空对象局部特征提取的方法，其特征在于，所述高层特征信息由神经网络模型对所述三维时空对象进行特征提取得到。3.根据权利要求1所述三维时空对象局部特征提取的方法，其特征在于，所述先验知识用于表征所述三维时空对象的不同部位，包括一种或一种以上预先学习出的对所述三维时空对象进行区域划分的子块信息。4.根据权利要求3所述三维时空对象局部特征提取的方法，其特征在于，定位三维时空对象的局部特征区域，包括：根据所述先验知识表征的所述三维时空对象的不同部位，从所述三维时空对象的高层特征信息中定位出一种或一种以上局部特征区域。5.根据权利要求1所述三维时空对象局部特征提取的方法，其特征在于，所述采样包括上采样或下采样等。6.根据权利要求1所述三维时空对象局部特征提取的方法，其特征在于，所述采样信息对应...

【专利技术属性】
技术研发人员：朱世强，沈旭，黄镇，田新梅，顾建军，姜峰，
申请(专利权)人：之江实验室，
类型：发明
国别省市：