基于深度自注意力变换网络的步态识别方法技术

本发明专利技术属于计算机视觉及视频分析技术领域，具体而言，涉及一种基于深度自注意力变换网络的步态识别方法，该方法包括如下步骤：S1，步态数据的获取及预处理；S2，基于Transformer的步态识别网络的构建；S3，对步态识别网络进行训练和测试。该基于Transformer的步态识别网络包括空间特征提取模块、时间特征提取模块、分类器融合模块。本发明专利技术使用Transformer网络对步态序列的时间特征进行显性建模，充分提取步态序列的时间特征；通过训练多个弱分类器的方式解决了Transformer网络易过拟合的问题；本发明专利技术方法的步态识别准确率较高好。本发明专利技术通过对Transformer网络中Encoder模块的优化，减少了模型的参数量和计算量，使得本发明专利技术方法的步态识别速度和准确率较高。方法的步态识别速度和准确率较高。方法的步态识别速度和准确率较高。

【技术实现步骤摘要】
基于深度自注意力变换网络的步态识别方法


[0001]本专利技术属于计算机视觉及视频分析
，具体而言，涉及一种基于深度自注意力变换网络的步态识别方法，可用于针对步态的生物信息识别。

技术介绍

[0002]步态识别是一种旨在通过人们走路的姿态进行身份识别的生物特征识别技术，步态作为一种能够远距离识别的生物特征，在犯罪预防、司法鉴定和社会保障等方面有着广泛的应用前景。在生物特征识别领域，基于人脸、指纹、衣着等特征的识别技术已经十分完善，而步态识别因其具有无接触和不易伪装的特点，在生物特征识别领域有着广泛的应用前景。
[0003]典型的步态识别主要分为五个阶段：首先是步态检测，即对视频每一帧图像中的行人目标进行识别和定位；第二步是步态分割，根据检测结果将行人与背景进行分割；第三步是步态追踪，每一帧图像的分割结果组合成一个图像序列；第四步是特征提取，提取图像序列的特征，方便进行匹配，这一步是步态识别的关键；最后一步是步态比对和识别，将提取的特征与在数据库中存储的特征进行比对和识别，得到最终结果。
[0004]主流的步态识别特征提取主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度自注意力变换网络的步态识别方法，其特征在于，所述方法包括如下步骤：S1，步态数据的获取及预处理；S2，基于Transformer的步态识别网络的构建；S3，对所述步态识别网络进行训练和测试。2.根据权利要求1所述的基于深度自注意力变换网络的步态识别方法，其特征在于，所述步态数据输入所述基于Transformer的步态识别网络时的输入维度为N*S*C*H*W，其中N表示批的大小，S表示输入步态序列的帧数，C表示步态剪影图像的通道数，H表示步态剪影图像的高度，W表示步态剪影图像的宽度。3.根据权利要求2所述的基于深度自注意力变换网络的步态识别方法，其特征在于，所述步骤S2构建的基于Transformer的步态识别网络包括空间特征提取模块、时间特征提取模块、分类器融合模块。4.根据权利要求3所述的基于深度自注意力变换网络的步态识别方法，其特征在于，所述空间特征提取模块包括局部空间特征提取部分和整体空间特征提取部分。5.根据权利要...

【专利技术属性】
技术研发人员：牛毅，赵鑫，马明明，李甫，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：