【技术实现步骤摘要】
一种基于人体轮廓和关键点特征融合的步态识别方法
[0001]本专利技术属于计算机视觉、身份识别、特征融合等交叉
，具体涉及一种基于人体轮廓和关键点特征融合的步态识别方法。
技术介绍
[0002]步态是人类生物行为特点的一种，描述了人行走过程中上下关节的运动变化规律，医学上认为每个人的步态是独一无二的，人体步态特征具有全球唯一性、长期不变性、不易撤销性、易采集性、不可模仿性、不易伪装性、非接触性等特点，是目前最适合大范围多领域普及的生物特征。步态识别是从个体的行走模式中提取身体和行为的特征来进行身份识别。在高级安保领域，由于步态特征的难以伪装和模仿性，可辅助虹膜特征进行混合生物特征识别以提高安全性能，给金融和军事等领域带来更强的安全保障。
[0003]虽然每个人步态是独一无二的，但是服装、随身携带的东西、视角以及视角等因素都给步态识别带来了重大挑战，为了解决这些问题，人们提出了各种方法。早期人们从每个人行走时身体各个部分的不同来对人物进行区别，但这意味着要对身体的众多结构进行建模，涉及大量的变量和复杂的运算；从原...
【技术保护点】
【技术特征摘要】
1.一种基于人体轮廓和关键点特征融合的步态识别方法，其特征在于，包括：基于输入的单人行走步态视频，获取视频中的行人轮廓序列，并将步态视频代入OpenPose算法模块，获得归一化的人体关键点信息序列；将行人轮廓序列代入GaitSet算法模块，获得步态轮廓序列的特征；将人体关键点信息序列导入人体关键点特征提取模块，得到人体关键点的特征；基于步态轮廓序列的特征和人体关键点的特征，分别获得步态轮廓特征向量和人体关键点特征向量；将步态轮廓特征向量和人体关键点特征向量连接后输入特征融合模块，获得步态融合特征；将步态融合特征导入融合网络进行特征学习，识别出视频中人物的身份。2.根据权利要求1所述的基于人体轮廓和关键点特征融合的步态识别方法，其特征在于，基于输入的单人行走步态视频，获取视频中的行人轮廓序列过程中还包括对行人轮廓序列进行裁剪，获得裁剪后的行人轮廓序列的方法包括：步态视频利用KNN算法，获得步态视频每帧图像的人体轮廓；基于每帧图像的人体轮廓计算每帧单人轮廓图像的非零像素点个数，并根据图像像素的阈值选择是否输出图像；对输出的图像获取不为0的行像素和的上限值和下限值的索引值区间，并根据索引值区间裁剪输出图像的上下区域，获得裁剪图像；在裁剪图像中查找基于x轴的中位数，并以查找出中位数确定图像中人的x轴中心点；从中心点开始各向两侧进行切片，得到行和列都为64位的图像数组；转换图像数组类型，获得行人轮廓序列。3.根据权利要求1所述的基于人体轮廓和关键点特征融合的步态识别方法，其特征在于，将步态视频代入OpenPose算法模块，获得归一化的人体关键点信息序列的方法包括：基于步态视频，获取视频中人体各个关键点的位置坐标；在视频中人体各个关键点的位置坐标中选取颈部关键点的位置为原点，以颈部和臀部的距离为基准，对其他关键点做归一化，获得归一化后的人体关键点帧序列；其中，归一化公式为：式中，P
i
是关键点i的位置，P
’
i
是关键点归一化后的位置，P是颈部关节点的位置，D是颈部和臀部关键点之间的距离。4.根据权利要求1所述的基于人体轮廓和关键点特征融合的步态识别方法，其特征在于，所述人体关键点特征提取模块包括：LSTM模块和CNN模块；将人体关键点信息序列导入人体关键点特征提取模块，得到人体关键点的特征的方法为获取的人体关键点帧序列分别传入LSTM模块和CNN模块，获得人体关键点的每帧的特征。5.根据权利要求1所述的基于人体轮廓和关键点特征融合的步态识别方法，其特征在于，基于人体关键点的特征，获得人体关键点特征向量的方法包括：基于人体关键点的每帧的特征，得到每帧特征所关联的特征向量，并将得到的每帧的特征向量进行连接；
将连接后特征向量的输入压缩块，得到62
╳
128维的人...
【专利技术属性】
技术研发人员：陈志，周晨，岳文静，艾虎，王悦，何丽，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。