步态特征提取方法及装置制造方法及图纸

本申请公开了一种步态特征提取方法及装置。其中，该步态特征提取方法包括：获取目标对象采集的图像序列；基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列；基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征。通过本申请的步态特征提取方法可以提取到较为优良且运动细节较为丰富的步态特征。且运动细节较为丰富的步态特征。且运动细节较为丰富的步态特征。

【技术实现步骤摘要】
步态特征提取方法及装置


[0001]本申请涉及特征提取
，特别是涉及一种步态特征提取方法及装置。

技术介绍

[0002]随着科技的发展，步态特征成为了识别领域内关注的重要的生物特征之一，因此，步态特征的提取在识别领域内起到了至关重要的作用。
[0003]目前的步态特征提取方法提取到的步态特征信息不太准确，容易受到衣物等外界因素的影响。

技术实现思路

[0004]本申请提供一种步态特征提取方法及装置，使得通过本申请的步态特征提取方法可以提取到较为优良且运动细节较为丰富的步态特征，以提高利用本申请提取的步态特征进行步态识别的识别准确率。
[0005]为达到上述目的，本申请提供一种步态特征提取方法，该方法包括：
[0006]获取目标对象采集的图像序列；
[0007]基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列；
[0008]基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征。
>[0009]其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种步态特征提取方法，其特征在于，所述方法包括：获取目标对象采集的图像序列；基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列；基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征的步骤包括：基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态空间特征；对所述目标对象的步态空间特征进行时间维度上的信息提取，得到所述目标对象的步态特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态空间特征的步骤包括：分别提取所述步态轮廓图序列、所述骨骼关键点序列和所述身体部位划分图序列的步态空间特征；将所述步态轮廓图序列的步态空间特征、所述骨骼关键点序列的步态空间特征和所述身体部位划分图序列的步态空间特征进行融合，得到所述目标对象的步态空间特征。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征，之后包括：将所述步态特征划分成多个子块；通过每个子块单独对应的映射函数对所述每个子块进行映射；将所述多个子块的映射结果进行拼接，得到所述目标对象的最终步态特征。5.根据权利要求4所述的方法，其特征在于，所述通过每个子块单独对应的映射函数对所述每个子块进行映射的步骤包括：将多个子块一一对应地输入至多个全连接神经网络，以使每个全连接神经网络对接收到的子块进行映射；所述将所述多个子块的映射结果进行拼接的步骤包括：将所述多个全连接神经网络的输出进行拼接，得到所述目标对象的最终步态特征。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：王昕，潘华东，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：