[发明专利]一种基于siamese网络的步态识别系统

说明书

本发明属于计算机视觉和机器学习领域，公开了一种基于siamese网络的步态识别系统，基于该网络的步态识别系统设置有：接收标记好的图片对的siamese网络组件；与siamese网络组件相连接的，用于对同一类别对或不同类别对进行差异比较的损失层组件；siamese网络包括卷积神经网络组件、对比损失层、判决层并依次连接。本发明对实际应用中存在新出现的待识别目标的应用场景，该算法不需要重新训练模型，只需要对该目标进行标记，便可有效地判定该类别的身份，尤其是对于样本集较小的待识别目标，该系统具有较好的适应性。

技术领域

本发明属于计算机视觉和机器学习领域，尤其涉及一种基于siamese网络的步态识别系统。

背景技术

目前，现有的步态识别技术中，一般要求已知样本集包含的类别数，并且对于每一类别要求有足够多的训练样本。实际应用情况中往往没有待识别目标的大量样本，并且针对一个新出现的待识别目标，步态数据库中往往是不含有该目标的训练集，因此现有的步态识别算法很难(几乎不可能)对该类目标进行有效识别。现有的步态识别方法几乎都没有克服这些限制因素，这极大的限制了步态识别技术的发展。另一方面现有的对于步态识别算法性能评估的研究主要是针对该某一特定算法研究其识别率的大小，这种评估往往只是考虑了算法的准确性，使得算法的性能比较局限。

综上所述，现有技术存在的问题是：现有步态识别技术中要求已知样本集所包含的类别数量及每种类别都有一定数量的训练样本，无法满足实际应用中各类别的样本数量较少或对于一个新出现的目标由于训练集不含有该类别的样本时系统也可以进行有效识别的应用场景。对于算法性能的评估仅从准确性的角度出发，使得设计的算法的性能比较局限。

发明内容

针对现有技术存在的问题，本发明提供了一种基于siamese网络的步态识别系统。

将带有标签的图片对输入到siamese网络组件，利用siamese网络的双分支结构分别提取两张图片的特征，最后在对比损失层对两张图片特征进行比较，通过设计对比损失函数使得对于同一类别的样本对其函数值应尽可能的小，对于不同类别对函数值尽可能大，这样根据对比损失函数值的大小便很容易判别输入样本对是否属于同一类别。

本发明是这样实现的，一种基于siamese网络的步态识别系统，设置有：接收标记好的图片对及对应的标签数据的siamese网络组件；

与siamese网络组件相连接，用于对同一类别对或不同类别对进行差异比较的对比损失层组件。

进一步，所述siamese网络组件包括卷积神经网络组件、对比损失层、判决层并依次连接；所述判决层用判别函数与损失层组件相连接。

经过siamese网络组件对输入的图片对进行相关处理，对两张图片分别提取步态特征；

网络中各层卷积组件经过特征提取后在对比损失层设计损失函数使得模型对于同一类别的图片对其损失尽可能的小，对于不同类别的图片对其损失尽可能的大的对比损失层组件。

本发明的优点及积极效果为：基于siamese网络的步态识别系统相比于传统的步态识别，该系统更接近于实际应用，对实际应用中存在新出现的待识别目标的应用场景，不需要重新训练模型，只需要对该目标进行标记，便可有效的判定该类别的身份，尤其是对于样本集较小的待识别目标，该系统具有较好的适应性。由于该系统是直接学习一种相似性度量矩阵，因此不需要参考集中每个类别都包含大量的训练样本从而得到一个可靠的模型，有效避免了由于训练样本较少时模型的表达能力差的弊端，同时节省了训练模型所需的计算资源和时间。

附图说明

图1是本发明实施例提供的基于siamese网络的步态识别系统的结构示意图；

图中：1、siamese网络组件；2、卷积神经网络组件；3、损失层组件；4、对比损失层；5、判决层。