一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法技术

本发明专利技术涉及一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，属于图像识别技术领域。本发明专利技术包括数据预处理、多视角蒸馏损失准备、模型训练、模型测试。本发明专利技术能够对复杂场景下红外人体图像步态进行识别，能够解决雨、雪、雾或可见光源不足等因素对步态识别的影响。别的影响。别的影响。

【技术实现步骤摘要】
一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法


[0001]本专利技术涉及一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，属于图像识别


技术介绍

[0002]人体步态识别作为最有潜力的远距离生物特征识别技术之一，可在无需被采集者配合的情况下，利用采集到的低分辨率中远距离步态视频图像识别行人的身份信息，相较人脸、指纹等识别条件相对严格的生物特征识别技术而言，具有无需被识别者配合、无感识别、难以隐藏和伪造等诸多优点，在身份识别领域异军突起。
[0003]目前，步态识别大多皆是在可见光源条件下，但在可见光强度不足等特殊环境下难以进行有效识别。当前的步态识别算法模型以深度学习算法为研究方向进行识别研究。但利用深度学习的步态识别算法还存在着一定的弊端，如随着模型复杂化导致神经网络参数增加，难以部署在对延迟和计算资源等方面有严格限制的边缘设备上。以往，深度学习模型通常对单个视角的步态数据进行训练及验证，但目前深度学习模型对多视角的步态数据的训练及验证尚未取得较为理想的结果。
[0004]因此，提出一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，改进ResNet
‑
18模型为MKD
‑
ResNet
‑
18模型，以解决上述技术问题。
[0006]本专利技术的技术方案是：一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，具体步骤为：
[0007]Step1：获取CASIA_B(CASIA_Gait_DatasetB)红外人体步态数据集，对数据集进行预处理并将数据集分割为测试数据集和训练数据集。
[0008]Step2：利用ResNet
‑
50模型对CASIA_B红外人体步态数据集的0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角分别进行训练并获取预测值，然后与ResNet
‑
18模型的预测值进行损失运算，求得不同视角下的11个蒸馏损失。
[0009]分别利用ResNet
‑
50模型和ResNet
‑
18模型，对CASIA_B红外人体步态数据划分出的训练数据集按照角度对应进行训练并获取预测值，然后对所求取的预测值进行损失运算，求得不同视角下的11个蒸馏损失。
[0010]所述CASIA_B红外人体步态数据集包括0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角采集的红外人体步态数据。
[0011]Step3：对ResNet
‑
18模型进行初始化，并引入Step2中得到的11个不同视角下的蒸馏损失，加载训练数据集并使用混合蒸馏方法进行模型训练，得到训练好的MKD
‑
ResNet
‑
18
模型。
[0012]Step4：将测试数据集输入至训练好的MKD
‑
ResNet
‑
18模型中，进行复杂场景下红外人体图像步态识别。
[0013]所述Step1具体为：
[0014]Step1.1：获取CASIA_B红外步态数据库。
[0015]Step1.2：对红外人体步态数据中的红外人体步态图像进行均值背景减除法和二值化处理，采用背景减除法分割运动目标与背景。逐点扫描二值化的红外人体步态图像，确定步态轮廓的外界矩阵。调整像素大小并将数据集分割为测试数据集和训练数据集。
[0016]所述Step1.2具体为：
[0017]Step1.2.1：首先对图像进行均值背景减除法和二值化处理，求取连续的图像序列中t时刻图像的同一位置的均值，将得到的像素均值作为背景模型，逐一进行差分运算，通过阈值比较，进行运动目标与背景的分割。
[0018]Step1.2.2：然后对整幅红外人体步态图像的像素点进行逐个扫描，当扫描到像素值由0变为1后，便判定其属于步态轮廓范围，把整幅图像扫描结束后，将图像中属于步态轮廓的列像素最小和最大的坐标标记为y
min
和y
max
，将行像素最小和最大的坐标标记为x
min
和x
max
，根据这4个顶点坐标可以得到步态轮廓的外界矩阵。
[0019]Step1.2.3：最后将裁剪出来的外界矩形的长或宽的尺寸在周围填充黑色像素，调整为128*128像素，并且按照3：7的比例将数据集分割为测试数据集和训练数据集。
[0020]所述Step1.2.1中的均值背景减除法具体为：
[0021]t时刻的背景图像如下式：
[0022][0023]t时刻提取出的运动目标图像的二值图像如下式：
[0024][0025]式中，I
t
(i,j)代表t时刻的视频帧，T表示分割阈值，(i,j)代表该帧图像中的各像素位置坐标。
[0026]所述Step2具体为：
[0027]Step2.1：利用ResNet
‑
50模型对CASIA_B红外人体步态数据集的0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角分别进行训练并获取预测值。
[0028]Step2.2：利用ResNet
‑
18模型对CASIA_B红外人体步态数据集的0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角分别进行训练并获取预测值。
[0029]Step2.3利用ResNet...

【技术保护点】

【技术特征摘要】
1.一种基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，其特征在于：Step1：获取CASIA_B红外人体步态数据集，对数据集进行预处理并将数据集分割为测试数据集和训练数据集；Step2：利用ResNet
‑
50模型对CASIA_B红外人体步态数据集的0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角分别进行训练并获取预测值，然后与ResNet
‑
18模型的预测值进行损失运算，求得不同视角下的11个蒸馏损失；分别利用ResNet
‑
50模型和ResNet
‑
18模型，对CASIA_B红外人体步态数据划分出的训练数据集按照角度对应进行训练并获取预测值，然后对所求取的预测值进行损失运算，求得不同视角下的11个蒸馏损失；所述CASIA_B红外人体步态数据集包括0
°
，18
°
，36
°
，54
°
，72
°
，90
°
，108
°
，126
°
，144
°
，162
°
，180
°
共11个不同视角采集的红外人体步态数据；Step3：对ResNet
‑
18模型进行初始化，并引入Step2中得到的11个不同视角下的蒸馏损失，加载训练数据集并使用混合蒸馏方法进行模型训练，得到训练好的MKD
‑
ResNet
‑
18模型；Step4：将测试数据集输入至训练好的MKD
‑
ResNet
‑
18模型中，进行复杂场景下红外人体图像步态识别。2.根据权利要求1所述的基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，其特征在于，所述Step1具体为：Step1.1：获取CASIA_B红外步态数据库；Step1.2：对红外人体步态数据中的红外人体步态图像进行均值背景减除法和二值化处理，采用背景减除法分割运动目标与背景；逐点扫描二值化的红外人体步态图像，确定步态轮廓的外界矩阵；调整像素大小并将数据集分割为测试数据集和训练数据集。3.根据权利要求2所述的基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，其特征在于，所述Step1.2具体为：Step1.2.1：首先对图像进行均值背景减除法和二值化处理，求取连续的图像序列中t时刻图像的同一位置的均值，将得到的像素均值作为背景模型，逐一进行差分运算，通过阈值比较，进行运动目标与背景的分割；Step1.2.2：然后对整幅红外人体步态图像的像素点进行逐个扫描，当扫描到像素值由0变为1后，便判定其属于步态轮廓范围，把整幅图像扫描结束后，将图像中属于步态轮廓的列像素最小和最大的坐标标记为y
min
和y
max
，将行像素最小和最大的坐标标记为x
min
和x
max
，根据这4个顶点坐标可以得到步态轮廓的外界矩阵；Step1.2.3：最后将裁剪出来的外界矩形的长或宽的尺寸在周围填充黑色像素，调整为128*128像素，并且按照3：7的比例将数据集分割为测试数据集和训练数据集。4.根据权利要求3所述的基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，其特征在于：所述Step1.2.1中的均值背景减除法具体为：t时刻的背景图像如下式：t时刻提取出的运动目标图像的二值图像如下式：
式中，I
t
(i,j)代表t时刻的视频帧，T表示分割阈值，(i,j)代表该帧图像中的各像素位置坐标。5.根据权利要求1所述的基于多教师混合蒸馏算法的多视角红外人体图像步态识别方法，其特征在于，所述Step2具体为：Step2.1：利用ResNet
‑
50模型对CASIA_B红外人体步态数据集...

【专利技术属性】
技术研发人员：云利军，李若愚，陈载清，宋辰阳，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：