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】
本专利技术涉及于步态识别,尤其涉及一种基于步态的消费者性别识别方法。
技术介绍
1、客户属性识别是在线营销策略优化中亟需解决的问题之一。不同客户对产品的需求和购买欲望存在不同程度的要求和购买意愿。以烟草销售为例,相对于女性对香烟产品外观的着迷,男性对香烟的味道有更高的要求,并更关注香烟产品的方便、满意和优雅。因此,在推出男性专用香烟产品时,有必要升级吸烟的满足感,追求香烟的真实性,并提高质量。另一个例子是包,它是女性品味的象征,也是与日常服装搭配的最佳配件。对所有年龄的女性而言,得到一个包是很高兴的事情,也是改变她们心情的方式。女性在选择包时非常注重细节,会根据不同服装和场合选择不同的风格。
2、与人脸识别相似,从理论上讲,步态识别可以应用于多个领域,包括身份识别。作为具有巨大潜力的生物特征,步态在身份识别和腿康复测试等方面得到了广泛的应用。然而,迄今为止,还需要进一步研究步态分析在市场营销战略优化中作为分析客户属性的可能手段。另外,性别识别在收集角度、不同服装和不同携带物品等干扰因素方面面临更多挑战。例如,在不同运动习惯、年龄和职业条件下,相同性别的实验对象在相同的步态下可能存在某些差异。
3、因此,亟需一种基于步态的消费者性别识别方法。
技术实现思路
1、本专利技术的目的是提供一种基于步态的消费者性别识别方法,以解决上述现有技术中的问题,能够实现客户性别识别的步态分析。
2、本专利技术提供了一种基于步态的消费者性别识别方法,其中,包括:
>3、基于共享步态能量图像进行步态识别表示,得到共享步态样本数据集;
4、利用所述步态样本数据集训练具有残差的扩展卷积神经网络,得到消费者性别识别模型;
5、将未知的消费者共享步态信息输入训练好的所述消费者性别识别模型中,得到消费者的性别信息。
6、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述基于共享步态能量图像进行步态识别表示,得到共享步态样本数据集,具体包括:
7、获取多名不同性别的人的多视角步态图像,得到多视角步态样本数据集,其中,针对每个人在不同步态条件下,从多个角度收集步态样本;
8、定义共享步态能量图像;
9、基于所述多视角步态样本数据集,根据所述共享步态能量图像的定义,生成所述共享步态能量图像。
10、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述定义共享步态能量图像,具体包括:
11、通过以下公式定义共享步态能量图像:
12、
13、其中,k表示分享系数,即每个连续周期包含的图像数量;i表示原步态轮廓,g表示共享步态能量图像,x表示图像坐标系中的横坐标,y表示图像坐标系中的纵坐标。
14、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述分享系数k的取值为5。
15、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述基于所述多视角步态样本数据集,根据所述共享步态能量图像的定义,生成所述共享步态能量图像,具体包括:
16、输入具有n帧的视频,将其解码成si1序列中的图像;
17、从si1序列中的每个图像中提取步态轮廓,对提取的步态轮廓进行归一化和中心对齐,得到轮廓序列图像si2;
18、将当前帧的序列号c设置为1;
19、从轮廓序列图像si2中选择连续的k帧生成一个共享步态能量图像;
20、将当前帧的序列号c更新为c+1,然后返回选择连续的k帧生成一个共享步态能量图像的步骤,直到c+k大于n。
21、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述利用所述步态样本数据集训练具有残差的扩展卷积神经网络,得到消费者性别识别模型,具体包括:
22、将所述步态样本数据集划分为训练集和测试集;
23、利用所述训练集训练预先构建的具有残差的扩展卷积神经网络,得到消费者性别识别模型;
24、利用所述测试集对所述消费者性别识别模型进行验证。
25、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述利用所述训练集训练预先构建的具有残差的扩展卷积神经网络,得到消费者性别识别模型,具体包括:
26、所述训练集中的各步态样本首先通过一个7×7卷积层和一个中心rop-4裁剪层进行初步特征提取和分割,以生成外层特征;
27、将生成的外层特征分别采用普通卷积分支和空卷积分支进行特征增强处理;
28、对普通卷积分支和空卷积分支处理得到的特征图进行融合;
29、将特征图的融合结果通过全连接层和softmax层,得到基于性别的客户分类结果。
30、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述空卷积分支使用三个3×3卷积,其等效卷积核大小通过以下公式表示:
31、kd=(k-1)d+1,d∈[1,2,5] (2)
32、其中,d表示缩放率,k表示卷积核的原始尺寸,kd表示相应的等效核尺寸;
33、所述普通卷积分支使用3×3卷积层和7×7卷积层,不使用池化层。
34、如上所述的基于步态的消费者性别识别方法,其中,优选的是,在所述普通卷积分支和所述空卷积分支中的每个卷积层之后,分别堆叠有批正则化层和激活层。
35、如上所述的基于步态的消费者性别识别方法,其中,优选的是,所述利用所述测试集对所述消费者性别识别模型进行验证,具体包括:
36、将所述测试集输入所述消费者性别识别模型,得到性别识别结果,将性别识别结果与真实结果进行对比,将识别结果的准确率、召回率和平均精度均值作为性能指标,来评价所述消费者性别识别模型的性能。
37、本专利技术提供一种基于步态的消费者性别识别方法,共享步态能量图像作为一种新的步态识别表示,可以探索连续帧之间的内部联系,并为深度学习模型提供更多可用的训练数据;模型整合了扩展卷积神经网络和残差机制,采用扩展卷积作为预测网络的一个分支,在相同的特征映射下获得了更大的感受野,从而获得了更密的数据,可以提取不同性别客户的行走姿态特征,同时,采用扩展卷积而不是下采样/上采样来有效地保留图像的空间特征,而不会丢失图像信息;采用具有不同卷积特性的两个分支结构来提取步态特征,可以获得多尺度和多角度的特征,这有助于探索不同性别行人步态的固有差异;本专利技术可用于客户性别识别的步态分析,可用于客户分析和设计并优化营销策略。
本文档来自技高网...【技术保护点】
1.一种基于步态的消费者性别识别方法,其特征在于,包括:
2.根据权利要求1所述的基于步态的消费者性别识别方法,其特征在于,所述基于共享步态能量图像进行步态识别表示,得到共享步态样本数据集,具体包括:
3.根据权利要求2所述的基于步态的消费者性别识别方法,其特征在于,所述定义共享步态能量图像,具体包括:
4.根据权利要求3所述的基于步态的消费者性别识别方法,其特征在于,所述分享系数K的取值为5。
5.根据权利要求3所述的基于步态的消费者性别识别方法,其特征在于,所述基于所述多视角步态样本数据集,根据所述共享步态能量图像的定义,生成所述共享步态能量图像,具体包括:
6.根据权利要求1所述的基于步态的消费者性别识别方法,其特征在于,所述利用所述步态样本数据集训练具有残差的扩展卷积神经网络,得到消费者性别识别模型,具体包括:
7.根据权利要求6所述的基于步态的消费者性别识别方法,其特征在于,所述利用所述训练集训练预先构建的具有残差的扩展卷积神经网络,得到消费者性别识别模型,具体包括:
8.根据权利要求7
9.根据权利要求8所述的基于步态的消费者性别识别方法,其特征在于,在所述普通卷积分支和所述空卷积分支中的每个卷积层之后,分别堆叠有批正则化层和激活层。
10.根据权利要求6所述的基于步态的消费者性别识别方法,其特征在于,所述利用所述测试集对所述消费者性别识别模型进行验证,具体包括:
...【技术特征摘要】
1.一种基于步态的消费者性别识别方法,其特征在于,包括:
2.根据权利要求1所述的基于步态的消费者性别识别方法,其特征在于,所述基于共享步态能量图像进行步态识别表示,得到共享步态样本数据集,具体包括:
3.根据权利要求2所述的基于步态的消费者性别识别方法,其特征在于,所述定义共享步态能量图像,具体包括:
4.根据权利要求3所述的基于步态的消费者性别识别方法,其特征在于,所述分享系数k的取值为5。
5.根据权利要求3所述的基于步态的消费者性别识别方法,其特征在于,所述基于所述多视角步态样本数据集,根据所述共享步态能量图像的定义,生成所述共享步态能量图像,具体包括:
6.根据权利要求1所述的基于步态的消费者性别识别方法,其特征在于,所述利用所述步...
【专利技术属性】
技术研发人员:单宇翔,金泳,高扬华,
申请(专利权)人:浙江中烟工业有限责任公司,
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。