用于步态识别的模型训练方法、步态识别方法及装置制造方法及图纸

本申请提出一种用于步态识别的模型训练方法、步态识别方法及装置，涉及深度学习、计算机视觉等人工智能技术领域，用于步态识别的模型训练方法包括：获取多个对象分别对应的训练样本；将每个训练样本中的各步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征；根据多个对象分别对应的训练样本中，属于同一对象的步态样本序列生成正样本序列对、属于不同对象的步态样本序列生成负样本序列对；根据正样本序列对与负样本序列对中的各步态样本序列的预测三维步态特征，确定第一损失值；根据第一损失值调整步态特征提取模型的模型参数。提高了步态识别的识别准确性。态识别的识别准确性。态识别的识别准确性。

【技术实现步骤摘要】
用于步态识别的模型训练方法、步态识别方法及装置


[0001]本申请涉及深度学习、计算机视觉等人工智能
，尤其涉及一种用于步态识别的模型训练方法、步态识别方法及装置。

技术介绍

[0002]步态识别，是一种生物特征识别技术，通过提取人在正常行走过程中的姿态变化以及体型体态信息进行身份鉴定，相较于其它行人重识别技术，具有远距离、无感知、不易伪装等优点，能够很好的解决行人重识别技术中因人体纹理信息干扰而识别精度大幅度下降的问题。
[0003]相关技术中的步态识别方法，通常是从视频流中提取二值轮廓图像序列，再从二值轮廓图像序列中计算出行人步态特征，进而根据行人步态特征进行身份鉴定。但是，相关技术从二值轮廓图像序列中得到的行人步态特征仅包括二维的信息，而人们生活的真实场景是三维空间，视频流的拍摄视角包括三维的视角信息，不同三维视角下的步态信息存在极大的差异，仅依靠二维的信息进行步态识别，无法得到准确的识别结果。

技术实现思路

[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本申请提出一种用于步态识别的模型训练方法、步态识别方法及装置，以解决相关技术中的步态识别方法存在的识别准确性低的技术问题。
[0006]本申请第一方面实施例提出了一种用于步态识别的模型训练方法，包括：获取多个对象分别对应的训练样本，其中，每个所述训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息；将各所述步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征；根据所述多个对象分别对应的训练样本中，属于同一对象的所述步态样本序列生成正样本序列对、属于不同对象的所述步态样本序列生成负样本序列对；根据所述正样本序列对与所述负样本序列对中的各所述步态样本序列的预测三维步态特征，确定第一损失值；根据所述第一损失值调整所述步态特征提取模型的模型参数。
[0007]本申请实施例提供的用于步态识别的模型训练方法，通过获取多个对象分别对应的训练样本，其中，每个训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息，将各步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征，根据多个对象分别对应的训练样本中，属于同一对象的步态样本序列生成正样本序列对、属于不同对象的步态样本序列生成负样本序列对，根据正样本序列对与负样本序列对中的各步态样本序列的预测三维步态特征，确定第一损失值，根据第一损失值调整步态特征提取模型的模型参数，实现了基于多个对象分别对应的
训练样本，对步态特征提取模型进行模型训练，得到用于步态识别的步态特征提取模型，利用训练后得到的步态特征提取模型可以获取步态序列的三维步态特征，进而利用三维步态特征进行步态识别，可以提高步态识别的识别准确性。
[0008]本申请第二方面实施例提出了一种步态识别方法，包括：获取至少一个步态查询序列以及多个步态匹配序列；所述步态查询序列包括多帧步态查询图像；所述步态匹配序列包括多帧步态匹配图像；获取每个所述步态查询序列中多帧所述步态查询图像的第一二维步态轮廓信息以及第一三维步态模型信息；获取每个所述步态匹配序列中多帧所述步态匹配图像的第二二维步态轮廓信息以及第二三维步态模型信息；将各所述步态查询序列中多帧步态查询图像的第一二维步态轮廓信息和第一三维步态模型信息输入步态特征提取模型，以获取对应步态查询序列的第一三维步态特征；并将各所述步态匹配序列中多帧步态匹配图像的第二二维步态轮廓信息和第二三维步态模型信息输入所述步态特征提取模型，以获取对应步态匹配序列的第二三维步态特征；所述步态特征提取模型通过第一方面实施例所述的方法训练得到；基于各所述第一三维步态特征以及各所述第二三维步态特征，从各所述步态匹配序列中获取与每个所述步态查询序列匹配的目标序列。
[0009]本申请实施例提供的步态识别方法，通过获取至少一个步态查询序列以及多个步态匹配序列，步态查询序列包括多帧步态查询图像；步态匹配序列包括多帧步态匹配图像，获取每个步态查询序列中多帧步态查询图像的第一二维步态轮廓信息以及第一三维步态模型信息，获取每个步态匹配序列中多帧步态匹配图像的第二二维步态轮廓信息以及第二三维步态模型信息，将各步态查询序列中多帧步态查询图像的第一二维步态轮廓信息和第一三维步态模型信息输入步态特征提取模型，以获取对应步态查询序列的第一三维步态特征，并将各步态匹配序列中多帧步态匹配图像的第二二维步态轮廓信息和第二三维步态模型信息输入步态特征提取模型，以获取对应步态匹配序列的第二三维步态特征，基于各第一三维步态特征以及各第二三维步态特征，从各步态匹配序列中获取与每个步态查询序列匹配的目标序列，提高了步态识别的识别准确性。
[0010]本申请第三方面实施例提出了一种用于步态识别的模型训练装置，包括：第一获取模块，用于获取多个对象分别对应的训练样本，其中，每个所述训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息；第一处理模块，用于将各所述步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征；生成模块，用于根据所述多个对象分别对应的训练样本中，属于同一对象的所述步态样本序列生成正样本序列对、属于不同对象的所述步态样本序列生成负样本序列对；确定模块，用于根据所述正样本序列对与所述负样本序列对中的各所述步态样本序列的预测三维步态特征，确定第一损失值；调整模块，用于根据所述第一损失值调整所述步态特征提取模型的模型参数。
[0011]本申请实施例提供的用于步态识别的模型训练装置，通过获取多个对象分别对应的训练样本，其中，每个训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息，将各步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征，根据多个对象分别对应的训练样本中，属于同一对象的
步态样本序列生成正样本序列对、属于不同对象的步态样本序列生成负样本序列对，根据正样本序列对与负样本序列对中的各步态样本序列的预测三维步态特征，确定第一损失值，根据第一损失值调整步态特征提取模型的模型参数，实现了基于多个对象分别对应的训练样本，对步态特征提取模型进行模型训练，得到用于步态识别的步态特征提取模型，利用训练后得到的步态特征提取模型可以获取步态序列的三维步态特征，进而利用三维步态特征进行步态识别，可以提高步态识别的识别准确性。
[0012]本申请第四方面实施例提出了一种步态识别装置，包括：第二获取模块，用于获取至少一个步态查询序列以及多个步态匹配序列；所述步态查询序列包括多帧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于步态识别的模型训练方法，其特征在于，包括：获取多个对象分别对应的训练样本，其中，每个所述训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息；将各所述步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征；根据所述多个对象分别对应的训练样本中，属于同一对象的所述步态样本序列生成正样本序列对、属于不同对象的所述步态样本序列生成负样本序列对；根据所述正样本序列对与所述负样本序列对中的各所述步态样本序列的预测三维步态特征，确定第一损失值；根据所述第一损失值调整所述步态特征提取模型的模型参数。2.根据权利要求1所述的方法，其特征在于，所述步态特征提取模型包括轮廓特征提取模块、空间转换模块，与所述轮廓特征提取模块及所述空间转换模块分别连接的特征对齐模块、与所述特征对齐模块连接的池化模块；所述将各所述步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息输入步态特征提取模型，以获取对应步态样本序列的预测三维步态特征，包括：对于每个所述步态样本序列，将其中各所述步态样本图像的二维步态轮廓信息输入所述轮廓特征提取模块，以基于各所述二维步态轮廓信息进行轮廓特征提取，得到各所述步态样本图像分别对应的二维轮廓特征；将其中各所述步态样本图像的三维步态模型信息输入所述空间转换模块，以基于各所述三维步态模型信息进行隐变换估计，得到各所述步态样本图像分别对应的隐变换矩阵；将各所述步态样本图像分别对应的所述二维轮廓特征与所述隐变换矩阵输入所述特征对齐模块，以利用所述隐变换矩阵将对应的所述二维轮廓特征对齐至三维空间，得到对应的步态样本图像的对齐后步态特征；将各所述步态样本图像的对齐后步态特征输入所述池化模块，以对各所述对齐后步态特征进行池化，得到所述步态样本序列的预测三维步态特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失值调整所述步态特征提取模型的模型参数，包括：将各所述训练样本包括的多个步态样本序列中，各所述步态样本图像分别对应的隐变换矩阵，代入正则化损失函数，以确定第二损失值；根据所述第一损失值与所述第二损失值，确定目标损失值；根据所述目标损失值调整所述步态特征提取模型的模型参数，以使所述目标损失值最小化。4.根据权利要求3所述的方法，其特征在于，各所述步态样本序列以所属的真实对象进行标注；所述根据所述第一损失值与所述第二损失值，确定目标损失值，包括：将各所述步态样本序列的预测三维步态特征输入分类模型，以利用所述分类模型预测各所述步态样本序列的所属对象，得到各所述步态样本序列分别属于各所述对象的置信度；根据各所述步态样本序列分别属于各所述对象的置信度与所属的真实对象，确定第三
损失值；根据所述第一损失值、所述第二损失值与所述第三损失值确定所述目标损失值。5.一种步态识别方法，其特征在于，包括：获取至少一个步态查询序列以及多个步态匹配序列；所述步态查询序列包括多帧步态查询图像；所述步态匹配序列包括多帧步态匹配图像；获取每个所述步态查询序列中多帧所述步态查询图像的第一二维步态轮廓信息以及第一三维步态模型信息；获取每个所述步态匹配序列中多帧所述步态匹配图像的第二二维步态轮廓信息以及第二三维步态模型信息；将各所述步态查询序列中多帧步态查询图像的第一二维步态轮廓信息和第一三维步态模型信息输入步态特征提取模型，以获取对应步态查询序列的第一三维步态特征；并将各所述步态匹配序列中多帧步态匹配图像的第二二维步态轮廓信息和第二三维步态模型信息输入所述步态特征提取模型，以获取对应步态匹配序列的第二三维步态特征；所述步态特征提取模型通过权利要求1
‑
4任一项所述的方法训练得到；基于各所述第一三维步态特征以及各所述第二三维步态特征，从各所述步态匹配序列中获取与每个所述步态查询序列匹配的目标序列。6.根据权利要求5所述的方法，其特征在于，所述基于各所述第一三维步态特征以及各所述第二三维步态特征，从各所述步态匹配序列中获取与每个所述步态查询序列匹配的目标序列，包括：基于每个所述步态查询序列对应的所述第一三维步态特征以及各所述步态匹配序列对应的所述第二三维步态特征，确定每个所述步态查询序列与各所述步态匹配序列之间的相似度；对于每个所述步态查询序列，将各所述步态匹配序列按照与所述步态查询序列之间的相似度从高到低的顺序排序，并将排序在前的预设数量的步态匹配序列，确定为与所述步态查询序列匹配的所述目标序列。7.一种用于步态识别的模型训练装置，其特征在于，包括：第一获取模块，用于获取多个对象分别对应的训练样本，其中，每个所述训练样本包括多个步态样本序列，以及包括对应步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态模型信息；第一处理模块，用于将各所述步态样本序列中多帧步态样本图像的二维步态轮廓信息和三维步态...

【专利技术属性】
技术研发人员：刘鑫辰，刘武，梅涛，
申请(专利权)人：北京京东尚科信息技术有限公司，
类型：发明
国别省市：