人像步态鉴定量化计算方法及系统技术方案

本发明专利技术公开了一种人像步态鉴定量化计算方法及系统，其主要通过计算检材步态特征向量与样本步态特征向量的相似性量化值S，以及检材步态特征向量与步态特征数据集中的步态特征向量的相似性量化值，统计与检材步态比较，在步态特征数据集中比样本步态更相似的步态个体数量M以及M与数据集中个体总数的比率R，最终，以S/R、1/R、S、M、R作为检材步态和样本步态鉴定的量化计算指标。态鉴定的量化计算指标。态鉴定的量化计算指标。

【技术实现步骤摘要】
人像步态鉴定量化计算方法及系统


[0001]本专利技术涉及步态识别、人像鉴定技术，尤其涉及一种人像步态鉴定量化计算方法及系统。

技术介绍

[0002]步态识别是类同于人脸识别的重要生物特征识别技术，其主要通过人体身体体型、体态和行走姿态来识别个体身份，在安防监控和法庭科学司法鉴定等领域中具有重要的应用价值。法庭科学司法鉴定领域中的步态特征是人像鉴定中的重要人像动态特征，可以有效用于判断视频中出现的运动人体是否为同一人。当前，人工智能模式识别领域研究中，步态识别流程大体包括人体检测、人体追踪、人体分割、步态特征提取和步态特征比对。现阶段，基于深度学习网络的步态特征提取方法成为主流，其输出结果为人体步态特征向量，用于表征人体个体的步态特征；步态特征比对的输出结果为相似性量化值，通常以百分比表示，用于表征两人体步态的相似性程度。然而，现阶段法庭科学司法鉴定领域中，针对视频中人像步态特征的检验更多的依赖于专家的定性分析方法，缺乏衡量两者步态特征相似性的定量分析数据支撑，极大影响步态特征检验的准确性和应用价值。

技术实现思路
<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人像步态鉴定量化计算方法，其特征在于，包括如下步骤：步骤a，选定两待检的步态特征向量，分别标记为检材步态特征向量J和样本步态特征向量Y，选定一步态特征向量数据集D[i][j](i＝1,...,N)(j＝1,...,P)，其中，N为数据集中人体个体总数，P为同一编号个体的步态特征向量的最大数；步骤b，计算所述检材步态特征向量J与所述样本步态特征向量Y的相似性量化值S；步骤c，计算所述检材步态特征向量J与所述步态特征向量数据集D[i][j](i＝1,...,N)(j＝1,...,P)中的D[i][k](i＝1,...,N)(k＝K,K∈{1,...,P})的相似性量化值SD[i][k](i＝1,...,N)(k＝K,K∈{1,...,P})，其中，i为个体编号，K为{1,...,P}集合中的子集合；步骤d，对于编号为i的个体，当所述SD[i][k](k＝K,K∈{1,...,P})中任一元素或预设序号元素大于或大于等于S，则判定该编号为i的个体的相似性量化值大于或大于等于S，然后，统计所述SD[i][k](i＝1,...,N)(k＝K,K∈{1,...,P})中大于或大于等于S的个体数量M，以及M在N中的比率R；步骤e，输出S/R、1/R、S、M、R中的至少一项计算指标作为检材步态和样本步态鉴定量化计算结果。2.一种人像步态鉴定量化计算系统，其特征...

【专利技术属性】
技术研发人员：曾锦飞，
申请(专利权)人：曾锦飞，
类型：发明
国别省市：