【技术实现步骤摘要】
本专利技术涉及模型压缩，尤其是涉及一种步态识别模型压缩方法、装置、存储介质及计算机设备。
技术介绍
1、常用的对变电站作业人身安全进行监测防控的方法可以分为两种类型，即传统的机器学习方法和基于深度学习的方法，传统机器学习方法存在缺乏肢体行为识别、对近电安全距离测量不足以及易受环境因素影响等问题，存在较大的局限性；而深度学习模型可以对作业人员进行像素级分割，有效地将人员从背景中分离出来，提高了步态识别的准确性，即使在复杂环境中也能保持高精度，通过使用大规模数据集和强大的计算资源，基于深度学习的特征提取技术能够有效进行身份识别。
2、步态识别作为一种非接触式、远距离的身份识别方法，在变电站的人身安全监测中得到广泛应用，基于此建立步态识别模型提升识别精度以及鲁棒性，然而传统的步态识别模型往往由于其复杂的结构和大量的参数而对计算资源和存储空间有着较高的要求，不仅限制了这些模型在资源受限设备上的部署能力，也影响了在实际应用场景中的响应速度和用户体验。
技术实现思路
1、有鉴于此，本申请提...
【技术保护点】
1.一种步态识别模型压缩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集步态视频序列，基于深度学习算法对所述步态视频序列进行特征提取并构建步态识别模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述步态识别模型进行压缩优化处理，得到压缩步态识别模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述步态识别模型进行压缩优化处理，得到压缩步态识别模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取所述压缩步态识别模型的模型参数，对多个所述模型参数进行集...
【技术特征摘要】
1.一种步态识别模型压缩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集步态视频序列，基于深度学习算法对所述步态视频序列进行特征提取并构建步态识别模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述步态识别模型进行压缩优化处理，得到压缩步态识别模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述步态识别模型进行压缩优化处理，得到压缩步态识别模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取所述压缩步态识别模型的模型参数，对多个所述模型参数进行集成，得到综合步态识别模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取所...
【专利技术属性】
技术研发人员：王康鑫，彭秋武，梁盛乐，
申请(专利权)人：海南电网有限责任公司海口变电运检分公司，
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。