System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及身份识别,尤其涉及一种基于多模态特征融合的步态识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、步态是人在行走过程中姿态的变化。步态识别是一项基于步态所包含的自然人生物学特征和行为特征对自然人进行辨识的技术,是生物特征识别方法的一种,其基本目标是通过获取一段待检测行人正常行走的视频,与已经存储好的行人行走视频做对比,找出待检测行人的对应于数据库中人物的身份。由于行人在肌肉力量、肌腱和骨骼长度、骨骼密度、重心等方面有一定的差异,基于上述这些差异可以唯一地标注一个人,则能利用这些特性搭建人体运动模型或直接从人体轮廓里提取特征来实现步态识别。
3、在远距离、非受控条件下,步态识别技术已经取得一定的成果,但是在实际应用中,其限制条件较多,导致效果还不够好。当前步态识别技术主要依赖于步态周期的特征,如步长、步速、步态节律等。这些特征虽然可以反映出人体行走的基本规律,但是在复杂的背景、严重的遮挡、不同摄像机视角、过亮或过暗的光照条件等现实环境下,这些特征可能会受到很大的影响,导致识别精度不高。且步态识别技术受限于数据样本和算法,技术提升需要大量的数据样本进行训练,特别是在人群多样性较大的情况下,数据样本的获取和处理难度较大,导致步态识别的准确性较低。
技术实现思路
1、本专利技术为了解决上述问题,提出了一种基于多模态特征融合的步态识别方法及系统,提高了身份识别的准确率。
2、为实现
3、第一方面,提出了一种基于多模态特征融合的步态识别方法,包括:
4、获取包含目标对象的视频流;
5、从视频流中提取目标对象的步态序列图;
6、从目标对象的步态序列图中选取人脸最优帧和行人最优帧;
7、从人脸最优帧中,提取目标对象的人脸特征;
8、从行人最优帧中,提取目标对象的人体特征;
9、从步态序列图中,提取目标对象的步态特征;
10、将目标对象的人脸特征、人体特征和步态特征进行加权融合,获得目标对象的多模态融合特征;
11、根据目标对象的多模态融合特征对目标对象进行身份识别,获得目标对象的身份识别结果。
12、第二方面,提出了一种基于多模态特征融合的步态识别系统,包括:
13、视频获取模块,用于获取包含目标对象的视频流;
14、步态序列图获取模块,用于从视频流中提取目标对象的步态序列图;
15、最优帧确定模块,用于从目标对象的步态序列图中选取人脸最优帧和行人最优帧;
16、特征提取模块,用于从人脸最优帧中,提取目标对象的人脸特征;从行人最优帧中,提取目标对象的人体特征;从步态序列图中,提取目标对象的步态特征;
17、特征融合模块,用于将目标对象的人脸特征、人体特征和步态特征进行加权融合,获得目标对象的多模态融合特征;
18、身份识别模块,用于根据目标对象的多模态融合特征对目标对象进行身份识别,获得目标对象的身份识别结果。
19、第三方面,提出了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成一种基于多模态特征融合的步态识别方法所述的步骤。
20、第四方面,提出了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成一种基于多模态特征融合的步态识别方法所述的步骤。
21、与现有技术相比,本专利技术的有益效果为:
22、1、本专利技术通过对步态特征、人体特征和人脸特征进行融合来获得多模态融合特征,进而根据融合特征来对目标对象进行身份识别,提高了目标对象身份识别的准确性。
23、2、本专利技术从步态序列图中确定了人脸最优帧和行人最优帧,进而分别从人脸最优帧和行人最优帧中,提取人脸特征和人体特征,保证了提取的人脸特征和人体特征的准确性;当利用该人脸特征和人体特征与步态特征进行融合,进而进行目标对象的身份识别时,保证了目标对象身份识别的准确性。
24、3、本专利技术评价了人脸特征、人体特征和步态特征的质量得分,进而根据质量得分确定了各特征的权重,依据该权重对人脸特征、人体特征和步态特征进行加权融合,获得的多模态融合特征考虑了各特征的质量,对于质量得分低的特征不占用过大的比重,从而进一步的提升了利用该多模态融合特征进行目标对象身份识别时,身份识别结果的准确性。
25、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于多模态特征融合的步态识别方法,其特征在于,包括:
2.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,对视频流中的目标对象进行检测追踪,获得目标对象的图像序列;根据目标对象的图像序列,获得目标对象的步态序列图。
3.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,确定人脸最优帧中目标对象的人脸区域,和行人最优帧中目标对象的人体区域;
4.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,采用最大运动稳定法,从目标对象的步态序列图中选取人脸最优帧和行人最优帧。
5.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,确定人脸特征、人体特征和步态特征中每个特征的质量得分;根据每个特征的质量得分确定对应特征的权值,对三个特征进行加权融合。
6.如权利要求5所述的一种基于多模态特征融合的步态识别方法,其特征在于,将每个特征的质量得分映射到0到1区间中,获得每个特征的权值。
7.如权利要求1所述的一种基于多模态特征融合的步态识别方法,
8.一种基于多模态特征融合的步态识别系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项所述的一种基于多模态特征融合的步态识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的一种基于多模态特征融合的步态识别方法的步骤。
...【技术特征摘要】
1.一种基于多模态特征融合的步态识别方法,其特征在于,包括:
2.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,对视频流中的目标对象进行检测追踪,获得目标对象的图像序列;根据目标对象的图像序列,获得目标对象的步态序列图。
3.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,确定人脸最优帧中目标对象的人脸区域,和行人最优帧中目标对象的人体区域;
4.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,采用最大运动稳定法,从目标对象的步态序列图中选取人脸最优帧和行人最优帧。
5.如权利要求1所述的一种基于多模态特征融合的步态识别方法,其特征在于,确定人脸特征、人体特征和步态特征中每个特征的质量得分;根据每个特征的质量得分确定对应特征的权值,对三...
【专利技术属性】
技术研发人员:李心慧,石柱国,李凡平,
申请(专利权)人:以萨技术股份有限公司,
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。