一种用于视频监控的步态抓拍识别方法及其应用技术

本发明专利技术属于计算机视觉技术领域，具体提供一种用于视频监控的步态抓拍识别方法及其应用，方法包括：S01，行人检测，对每帧视频采用行人检测算法检出每个行人目标；S02，行人跟踪及过滤，对每帧视频中的每个行人目标进行跟踪及对质量较差的目标进行过滤，得到每个行人的跟踪序列；S03，行人分割，对每个行人的跟踪序列进行预处理后采用卷积神经网络进行分割；S04，步态特征提取，对分割后的步态序列进行预处理得到规则步态图像序列，并用卷积神经网络提取多维特征值；S05，步态识别，对特征值进行降维并计算比对相似度，相似度最高的即为识别结果。该方案在实际安防环境下保证了较好的步态抓拍质量，具有较高的步态识别精度及鲁棒性。具有较高的步态识别精度及鲁棒性。具有较高的步态识别精度及鲁棒性。

【技术实现步骤摘要】
一种用于视频监控的步态抓拍识别方法及其应用


[0001]本专利技术涉及计算机视觉
，更具体地，涉及一种用于视频监控的步态抓拍识别方法及其应用。

技术介绍

[0002]步态识别是通过行人走路姿态来进行身份确认的新兴生物特征识别技术。与其他模式识别特征相比，步态特征具有非接触、远距离和不易伪装等优点，广泛应用于智慧城市、安全防控等领域。
[0003]在现实的监控场景中，步态识别过程一般包括行人检测、行人分割、步态特征提取等过程。目前的步态识别方法将行人检测、行人分割、步态特征提取当做单独的任务研究，对步态识别的精度和鲁棒性有一定影响。在实际情况下采集的人体步态视频可能存在各种噪声和干扰，导致错误的步态抓拍或提取的步态特征质量不高，影响步态识别的准确率和鲁棒性。针对上述问题，行业内未见有效的解决方案。

技术实现思路

[0004]本专利技术需要解决的是现有技术中存在的步态抓拍或提取的步态特征质量低的技术问题。
[0005]本专利技术提供了一种用于视频监控的步态抓拍识别方法，包括：
[0006]S01，行人检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于视频监控的步态抓拍识别方法，其特征在于，包括：S01，行人检测，对每帧视频采用行人检测算法检出每个行人目标；S02，行人跟踪及过滤，对每帧视频中的每个行人目标进行跟踪及对质量较差的目标进行过滤，得到每个行人的跟踪序列；S03，行人分割，对每个行人的跟踪序列进行预处理后采用卷积神经网络进行分割；S04，步态特征提取，对分割后的步态序列进行预处理得到规则步态图像序列，并用卷积神经网络提取多维特征值；S05，步态识别，对特征值进行降维并计算比对相似度，相似度最高的即为识别结果。2.根据权利要求1所述的用于视频监控的步态抓拍识别方法，其特征在于，所述S01中所用的行人检测方法为改进后基于深度学习卷积神经网络yolov5的目标检测算法，训练采用的数据为由coco公开数据集和不同监控场景下的行人图像共同构成，在训练及推理时除了行人目标外增加一类类似行人或不完整行人的目标，以对质量较差的行人目标及容易误检测的目标进行排除。3.根据权利要求1所述的用于视频监控的步态抓拍识别方法，其特征在于，所述S02中所用的行人跟踪算法为带静止目标检测以及长宽比阈值过滤的KCF在线跟踪算法，在跟踪过程若当前帧视频中当前目标与上一帧视频中该目标的相对距离小于设定移动阈值，或该目标检测框的长宽比在设定的形状阈值之外，则该目标被丢弃，继续进行下一目标的跟踪，直到满足跟踪完成条件最后抛出跟踪结果。4.根据权利要求3所述的用于视频监控的步态抓拍识别方法，其特征在于，所述KCF在线跟踪算法中相关滤波参数Delta＝0.3，距离阈值为0.85；若跟踪结果中输出的单个行人帧数小于10帧，则抛弃该结果；若跟踪结果中输出单个行人帧数大于150帧时，则取中间150帧行人跟踪结果输出。5.根据权利要求1所...

【专利技术属性】
技术研发人员：查杭，
申请(专利权)人：武汉众智数字技术有限公司，
类型：发明
国别省市：