步态识别方法技术

本申请适用于身份验证识别技术领域，提供了一种步态识别方法，该方法包括：获取目标对象的待识别步态图像序列，待识别步态图像序列包括多张待识别步态图像；将待识别步态图像序列输入改进的GaitPart模型进行步态识别，得到目标对象的步态识别结果；改进的GaitPart模型的包括用于提取待识别步态图像序列的特征的综合特征提取模块、用于聚合全局时间特征的全局时间特征聚合模块、水平池化层、用于聚合局部时间特征的局部时间特征聚合模块，以及用于输出目标对象的步态识别结果的叠加模块。本申请能提高步态识别的准确率。请能提高步态识别的准确率。请能提高步态识别的准确率。

【技术实现步骤摘要】
步态识别方法


[0001]本申请属于身份验证识别
，尤其涉及一种步态识别方法。

技术介绍

[0002]随着社会的发展与科学技术的进步，各种生物特征识别技术也日趋成熟，并广泛应用于智慧城市，智慧交通，智慧安防等领域。其中，常见的基于人脸、虹膜和指纹等生物特征识别技术局限于近距离的识别过程，需要被试者主动配合，而且由于这些特征是人先天得到的，容易被窃取和伪造。相比之下，步态识别具有显著的优势。步态识别旨在通过人们走路的姿态进行身份识别，具有非接触远距离和不易伪装的特点，可以在人们的行走过程中实现无感识别。但在现实复杂多变的场景中，例如拎包、穿外套以及摄像头角度的不同等因素都会导致行人的步态外观发生巨大变化，这也给步态识别带来了挑战。
[0003]传统的步态识别方法大都以整个人体为单位提取步态特征，但是在人们的行走过程中，人的不同部位会表现出不同的状态，同一部位在不同时刻也会表现出不同的状态，步态识别模型GaitPart虽然注意到了这一问题但是其着重于对局部特征进行提取，忽视了全局特征，造成步态识别的准确率低。

技术实现思路

[0004]本申请实施例提供了一种步态识别方法，可以解决步态识别的准确率低的问题。
[0005]本申请实施例提供了一种步态识别方法，包括：
[0006]获取目标对象的待识别步态图像序列，待识别步态图像序列包括多张待识别步态图像；
[0007]将待识别步态图像序列输入改进的GaitPart模型进行步态识别，得到目标对象的步态识别结果；
[0008]改进的GaitPart模型的包括用于提取待识别步态图像序列的特征的综合特征提取模块、用于聚合全局时间特征的全局时间特征聚合模块、水平池化层、用于聚合局部时间特征的局部时间特征聚合模块，以及用于输出目标对象的步态识别结果的叠加模块；综合特征提取模块的输出端分别与全局时间特征聚合模块的输入端和水平池化层的输入端连接，水平池化层的输出端与局部时间特征聚合模块的输入端连接，全局时间特征聚合模块的输出端和局部时间特征聚合模块的输出端均与叠加模块的输入端连接。
[0009]可选的，综合特征提取模块包括：依次连接的第一卷积模块、第一最大池化层、第二卷积模块、第二最大池化层和第三卷积模块，第一卷积模块的输入端为综合特征提取模块的输入端，第三卷积模块的输出端为综合特征提取模块的输出端；
[0010]第一卷积模块、第二卷积模块和第三卷积模块均包括依次连接的第一综合卷积子模块和第二综合卷积子模块；
[0011]第一综合卷积子模块和第二综合卷积子模块均包括：垂直分块卷积单元、水平分块卷积单元、普通卷积单元和第一叠加单元，垂直分块卷积单元的输出端、水平分块卷积单
元的输出端和普通卷积单元的输出端均与第一叠加单元的输入端连接；第一综合卷积子模块的第一叠加单元的输出端分别与第二综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端连接；
[0012]第一卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为第一卷积模块的输入端，第一卷积模块中第二综合卷积子模块的第一叠加单元的输出端为第一卷积模块的输出端，第二卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为第二卷积模块的输入端，第二卷积模块中第二综合卷积子模块的第一叠加单元的输出端为第二卷积模块的输出端，第三卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为第三卷积模块的输入端，第三卷积模块中第二综合卷积子模块的第一叠加单元的输出端为第三卷积模块的输出端。
[0013]可选的，垂直分块卷积单元包括：垂直切割函数、多个第一卷积层和第一级联层，多个第一卷积层中每个第一卷积层的输出端均与第一级联层的输入端连接，第一级联层的输出端与第一叠加单元的输入端连接；
[0014]垂直切割函数用于将输入垂直分块卷积单元的数据垂直分割为多块子数据，并将多块子数据一一对应的输入多个第一卷积层。
[0015]可选的，水平分块卷积单元包括：水平切割函数、多个第二卷积层和第二级联层，多个第二卷积层中每个第二卷积层的输出端均与第二级联层的输入端连接，第二级联层的输出端与第一叠加单元的输入端连接；
[0016]水平切割函数用于将输入水平分块卷积单元的数据水平分割为多块子数据，并将多块子数据一一对应的输入多个第二卷积层。
[0017]可选的，普通卷积单元包括：第三卷积层，第三卷积层的输入端为普通卷积单元的输入端，第三卷积层的输出端与第一叠加单元的输入端连接。
[0018]可选的，全局时间特征聚合模块包括：第一聚合单元、第二聚合单元和第二叠加单元，第一聚合单元的输入端和第二聚合单元的输入端均与综合特征提取模块的输出端连接，第一聚合单元的输出端和第二聚合单元的输出端均与第二叠加单元的输入端连接，第二叠加单元的输出端与叠加模块的输入端连接。
[0019]可选的，第一聚合单元和第二聚合单元均包括：依次连接的第一三维卷积层、Relu激活函数、第二三维卷积层和Sigmoid激活函数；三维最大池化层、三维平均池化层、叠加层以及乘积层；
[0020]第一三维卷积层的输入端、三维最大池化层的输入端以及三维平均池化层的输入端均与综合特征提取模块的输出端连接，三维最大池化层的输出端和三维平均池化层的输出端均与叠加层的输入端连接，叠加层的输出端和Sigmoid激活函数的输出端均与乘积层的输入端连接；
[0021]第一聚合单元的乘积层的输出端和第二聚合单元的乘积层的输出端均与第二叠加单元的输入端连接。
[0022]本申请的上述方案有如下的有益效果：
[0023]在本申请的实施例中，在基于改进的GaitPart模型进行步态识别时，通过改进的GaitPart模型的综合特征提取模块提取待识别步态图像序列的局部特征和全局特征，全局
时间特征聚合模块将相邻的步态帧特征聚合成全局运动特征，局部时间特征聚合模块将相邻的步态帧特征聚合成局部时间特征，叠加模块对全局运动特征和局部时间特征求和并输出步态识别结果。其中由于综合特征提取模块提取待识别步态图像序列的局部特征和全局特征，且最终的步态识别结果是融合全局运动特征和局部时间特征输出的，因此改进的GaitPart模型相较于传统的GaitPart模型而言，提取到的步态特征更加丰富，能提高步态识别的准确率。
[0024]本申请的其它有益效果将在随后的具体实施方式部分予以详细说明。
附图说明
[0025]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本申请一实施例提供的步态识别方法的流程图；
[0027]图2为本申请一实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种步态识别方法，其特征在于，包括：获取目标对象的待识别步态图像序列，所述待识别步态图像序列包括多张待识别步态图像；将所述待识别步态图像序列输入改进的GaitPart模型进行步态识别，得到所述目标对象的步态识别结果；所述改进的GaitPart模型的包括用于提取待识别步态图像序列的特征的综合特征提取模块、用于聚合全局时间特征的全局时间特征聚合模块、水平池化层、用于聚合局部时间特征的局部时间特征聚合模块，以及用于输出所述目标对象的步态识别结果的叠加模块；所述综合特征提取模块的输出端分别与所述全局时间特征聚合模块的输入端和所述水平池化层的输入端连接，所述水平池化层的输出端与所述局部时间特征聚合模块的输入端连接，所述全局时间特征聚合模块的输出端和所述局部时间特征聚合模块的输出端均与所述叠加模块的输入端连接。2.根据权利要求1所述的方法，其特征在于，所述综合特征提取模块包括：依次连接的第一卷积模块、第一最大池化层、第二卷积模块、第二最大池化层和第三卷积模块，所述第一卷积模块的输入端为所述综合特征提取模块的输入端，所述第三卷积模块的输出端为所述综合特征提取模块的输出端；所述第一卷积模块、所述第二卷积模块和所述第三卷积模块均包括依次连接的第一综合卷积子模块和第二综合卷积子模块；所述第一综合卷积子模块和所述第二综合卷积子模块均包括：垂直分块卷积单元、水平分块卷积单元、普通卷积单元和第一叠加单元，所述垂直分块卷积单元的输出端、所述水平分块卷积单元的输出端和所述普通卷积单元的输出端均与所述第一叠加单元的输入端连接；所述第一综合卷积子模块的第一叠加单元的输出端分别与所述第二综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端连接；所述第一卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为所述第一卷积模块的输入端，所述第一卷积模块中第二综合卷积子模块的第一叠加单元的输出端为所述第一卷积模块的输出端，所述第二卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为所述第二卷积模块的输入端，所述第二卷积模块中第二综合卷积子模块的第一叠加单元的输出端为所述第二卷积模块的输出端，所述第三卷积模块中第一综合卷积子模块的垂直分块卷积单元、水平分块卷积单元、普通卷积单元的输入端为所述第三卷...

【专利技术属性】
技术研发人员：余绍黔，宋书越，李强，陈新宇，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：