本发明专利技术公开了一种步态序列剪影生成方法、装置、电子设备及存储介质，用于解决现有的步态剪影采集方法效果较差的技术问题。本发明专利技术包括：获取待分析图片及目标剪影数量；根据所述目标剪影数量在所述待分析图片中确定目标分析图片；获取所述目标分析图片的初始剪影及2D关节结构数据；将所述目标分析图片、所述初始剪影及所述2D关节结构数据输入预设双塔下采样模型中，输出图像特征；根据各所述目标分析图片的图像特征，生成预测剪影；当所述预测剪影及所述初始剪影的数量和达到所述目标剪影数量时，采用所述预测剪影及所述初始剪影生成步态序列剪影。步态序列剪影。步态序列剪影。
【技术实现步骤摘要】
一种步态序列剪影生成方法、装置、电子设备及存储介质
[0001]技术邻域
[0002]本专利技术涉及剪影生成技术邻域，尤其涉及一种步态序列剪影生成方法、装置、电子设备及存储介质。
技术介绍
[0003]步态识别旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。
[0004]步态序列作为大部分步态和别的重要输入要素，其采集的数据的连续性、数量、质量等，对步态识别模型的推理有关键性的作用。
[0005]由于实际运用的场景比较复杂，会出现行走遮挡、视频卡顿、画面跳帧以及模型噪音等各种客观影响因素，导致步态序列的剪影残缺不齐。
[0006]现有解决方法通过运动目标检测实现，运动目标检测的目的在于将运动目标从图像中分割出来，随后目标跟踪将依赖检测的结果构建运动目标的图像序列，把步态序列基于二值化的方式获取步态剪影。
[0007]然而，基于运动目标检测的步态剪影采集方法存在以下问题：
[0008]1、依赖目标检测的模型检测准确度；
[0009]2、目标跟踪算法对目标检测的坐标与距离比较敏感；
[0010]3、跟踪算法因视频跳帧丢失目标，造成步态序列长度不够；
[0011]4、现场环境的网络波动，造成的视频质量问题，采集的步态序列连续性降低；
[0012]5、步态剪影在遮挡的情况下，分割人体形态属性会出现缺少；
[0013]6、目标人员非行走状态，产生的步态剪影并非后续模型所需的推理要素。
技术实现思路
[0014]本专利技术提供了一种步态序列剪影生成方法、装置、电子设备及存储介质，用于解决现有的步态剪影采集方法效果较差的技术问题。
[0015]本专利技术提供了一种步态序列剪影生成方法，包括：
[0016]获取待分析图片及目标剪影数量；
[0017]根据所述目标剪影数量在所述待分析图片中确定目标分析图片；
[0018]获取所述目标分析图片的初始剪影及2D关节结构数据；
[0019]将所述目标分析图片、所述初始剪影及所述2D关节结构数据输入预设双塔下采样模型中，输出图像特征；
[0020]根据各所述目标分析图片的图像特征，生成预测剪影；
[0021]当所述预测剪影及所述初始剪影的数量和达到所述目标剪影数量时，采用所述预测剪影及所述初始剪影生成步态序列剪影。
[0022]可选地，还包括：
[0023]当所述预测剪影及所述初始剪影的数量和未达到所述目标剪影数量时，计算所述
目标剪影数量与所述数量和的数值差；
[0024]将所述数值差作为目标剪影数量，将所述预测剪影添加进所述待分析图片中，并返回根据所述目标剪影数量在所述待分析图片中确定目标分析图片的步骤。
[0025]可选地，所述根据各所述目标分析图片的图像特征，生成预测剪影的步骤，包括：
[0026]确定所述目标分析图片的初始帧图片和参考帧图片；
[0027]根据所述图像特征计算初始帧图片与参考帧图片之间的图像特征的特征差；
[0028]根据所述特征差生成预测剪影。
[0029]可选地，所述根据所述图像特征计算初始帧图片与参考帧图片之间的特征差的步骤，包括：
[0030]根据所述图像特征计算初始帧图片与参考帧图片之间的初始深度特征差、非局部邻域与边缘特征差及空间深度特征差；
[0031]融合所述初始深度特征差、所述非局部邻域与边缘特征差及所述空间深度特征差，生成所述初始帧图片与所述参考帧图片之间的特征差。
[0032]可选地，所述根据所述特征差生成预测剪影的步骤，包括：
[0033]计算所述初始帧图片与所有参考帧图片之间的特征差的平均值；
[0034]分别将所述平均值与每一目标分析图片的图片特征相加，得到若干预测特征；
[0035]根据所述预测特征生成预测剪影。
[0036]本专利技术还提供了一种步态序列剪影生成装置，包括：
[0037]待分析图片及目标剪影数量获取模块，用于获取待分析图片及目标剪影数量；
[0038]目标分析图片确定模块，用于根据所述目标剪影数量在所述待分析图片中确定目标分析图片；
[0039]初始剪影及2D关节结构数据获取模块，用于获取所述目标分析图片的初始剪影及2D关节结构数据；
[0040]图像特征输出模块，用于将所述目标分析图片、所述初始剪影及所述2D关节结构数据输入预设双塔下采样模型中，输出图像特征；
[0041]预测剪影生成模块，用于根据各所述目标分析图片的图像特征，生成预测剪影；
[0042]步态序列剪影生成模块，用于当所述预测剪影及所述初始剪影的数量和达到所述目标剪影数量时，采用所述预测剪影及所述初始剪影生成步态序列剪影。
[0043]可选地，还包括：
[0044]数值差计算模块，用于当所述预测剪影及所述初始剪影的数量和未达到所述目标剪影数量时，计算所述目标剪影数量与所述数量和的数值差；
[0045]返回模块，用于将所述数值差作为目标剪影数量，将所述预测剪影添加进所述待分析图片中，并返回根据所述目标剪影数量在所述待分析图片中确定目标分析图片的步骤。
[0046]可选地，所述预测剪影生成模块，包括：
[0047]初始帧图片和参考帧图片确定子模块，用于确定所述目标分析图片的初始帧图片和参考帧图片；
[0048]特征差计算子模块，用于根据所述图像特征计算初始帧图片与参考帧图片之间的图像特征的特征差；
[0049]预测剪影生成子模块，用于根据所述特征差生成预测剪影。
[0050]本专利技术还提供了一种电子设备，所述设备包括处理器以及存储器：
[0051]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0052]所述处理器用于根据所述程序代码中的指令执行如上任一项所述的步态序列剪影生成方法。
[0053]本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的步态序列剪影生成方法。
[0054]从以上技术方案可以看出，本专利技术具有以下优点：本专利技术通过获取待分析图片及目标剪影数量；根据目标剪影数量在待分析图片中确定目标分析图片；获取目标分析图片的初始剪影及2D关节结构数据；将目标分析图片、初始剪影及2D关节结构数据输入预设双塔下采样模型中，输出图像特征；根据各目标分析图片的图像特征，生成预测剪影；当预测剪影及初始剪影的数量和达到目标剪影数量时，采用预测剪影及初始剪影生成步态序列剪影。从而可以得到序列长度足够、且剪影完整度较高的步态序列剪影，提高了步态序列剪影采集的效果。
附图说明
[0055]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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专利技术的一些实施例，对于本邻域普通技术人员来讲，在不付出创造性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种步态序列剪影生成方法，其特征在于，包括：获取待分析图片及目标剪影数量；根据所述目标剪影数量在所述待分析图片中确定目标分析图片；获取所述目标分析图片的初始剪影及2D关节结构数据；将所述目标分析图片、所述初始剪影及所述2D关节结构数据输入预设双塔下采样模型中，输出图像特征；根据各所述目标分析图片的图像特征，生成预测剪影；当所述预测剪影及所述初始剪影的数量和达到所述目标剪影数量时，采用所述预测剪影及所述初始剪影生成步态序列剪影。2.根据权利要求1所述的方法，其特征在于，还包括：当所述预测剪影及所述初始剪影的数量和未达到所述目标剪影数量时，计算所述目标剪影数量与所述数量和的数值差；将所述数值差作为目标剪影数量，将所述预测剪影添加进所述待分析图片中，并返回根据所述目标剪影数量在所述待分析图片中确定目标分析图片的步骤。3.根据权利要求1所述的方法，其特征在于，所述根据各所述目标分析图片的图像特征，生成预测剪影的步骤，包括：确定所述目标分析图片的初始帧图片和参考帧图片；根据所述图像特征计算初始帧图片与参考帧图片之间的图像特征的特征差；根据所述特征差生成预测剪影。4.根据权利要求3所述的方法，其特征在于，所述根据所述图像特征计算初始帧图片与参考帧图片之间的特征差的步骤，包括：根据所述图像特征计算初始帧图片与参考帧图片之间的初始深度特征差、非局部邻域与边缘特征差及空间深度特征差；融合所述初始深度特征差、所述非局部邻域与边缘特征差及所述空间深度特征差，生成所述初始帧图片与所述参考帧图片之间的特征差。5.根据权利要求4所述的方法，其特征在于，所述根据所述特征差生成预测剪影的步骤，包括：计算所述初始帧图片与所有参考帧图片之间的特征差的平均值；分别将所述平均值与每一目标分析图片的图片特征相加，得到若干预测特征；根据所述预测特征生成预测剪影。6.一种步态序列剪影生成装置，其特征在于，包括：待分析图片及目...
【专利技术属性】
技术研发人员：何永祺，戴知圣，曹雄，杨志成，李军，谢朝平，任军，
申请(专利权)人：凯通科技股份有限公司，
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。