[发明专利]一种基于单能量图自适应分割的步态识别方法

说明书

本发明属于步态识别领域，具体涉及一种基于单能量图自适应分割的步态识别方法。包括训练过程和识别过程，训练过程包括将一整幅步态能量图分割成头部、躯体和腿部三部分，其中头部区域分割时去除左右两侧的无用信息。去除差异较大的上半身区域，使同一人的步态信息更加接近和集中，只将行走过程中变化最多最明显的腿部区域送进步态识别网络中训练，此时训练集只包括正常形态时样本的腿部区域；识别过程包括分别使用背包形态时样本分割后的腿部区域及穿外套形态时样本分割后的腿部区域作为测试集，得到识别效果。本发明提出的方法可以很好地应对行人形态发生变化后的识别，更具有实用性，可广泛应用于步态识别领域，有效地提高识别效果。

技术领域

本发明属于步态识别领域，具体涉及一种基于单能量图自适应分割的步态识别方法。

背景技术

运动目标特征参数的提取是实现个体分类识别的一个重要环节。常见的特征提取方法有两种：1)基于模型的方法(Human Identification from Freestyle Walks usingPosture-Based Gait Feature[J].IEEE Transactions on Information ForensicsSecurity,2017,PP(99):1-1.)2)基于外观的方法(Investigating the use of Motion-based Features from Optical Flow for Gait Recognition[J].Neurocomputing,2017.)。步态能量图隶属于基于外观的特征提取方法。它将人物在一个步态周期的行走信息进行压缩、帧差等处理，将分散的信息集合起来形成信息量更大的步态信息图。步态能量图是基于视觉的步态识别中最重要的步态特征表征方式之一，因其能够很强地表现低级的特征从而被业界人士广为推崇。目前使用步态能量图进行步态识别的研究中，大都将整体能量图送进步态识别网络。然而就跨形态的步态识别而言，人在不同形态时不同部位的轮廓变化并不一致，例如：人在背包时，与正常形态时上半身轮廓差异较大，因为上半身要比正常多出了包的轮廓。此时，样本不同形态间的差异可能产生类内差异比类间差异大的问题，从而影响识别效果。

发明内容

本发明的目的在于提供一种基于单能量图自适应分割的步态识别方法，其能够解决样本不同形态所导致的类内差异比类间差异大的问题。

一种基于单能量图自适应分割的步态识别方法，包括训练过程和识别过程，具体包括如下步骤：

步骤1、在训练过程中，神经网络通过误差反向传播对参数即权重和偏置进行调整，从而建立输入即步态能量图与输出即行人身份之间的映射；

步骤2、在识别过程中，评估所建立神经网络的训练效果及所提方法的有效性。

所述一种基于单能量图自适应分割的步态识别方法，步骤1具体包括如下步骤：

步骤1.1、将步态能量图进行分割，将一幅图分割成头部、躯体和腿部三部分，其中头部区域分割时去除左右两侧的无用信息；

步骤1.2、去除差异较大的上半身区域，使同一人的步态信息更加接近和集中，只将行走过程中变化最多最明显的腿部区域送进步态识别网络中训练，此时训练集只包括正常形态时样本的腿部区域。

所述一种基于单能量图自适应分割的步态识别方法，步态识别网络为AlexNet及GoogLeNet网络，由于本实验数据集图片大小与两种网络的初始设定不同，将两个网络进行了如下调整：将AlexNet的第一层卷积核大小改为3*3，步长设为2，卷积核数量设为96，删除第一层的池化层，经过第一层卷积后输出96个27*27的图像，与第二层卷积相连接；将GoogLeNet的第一层删除，直接将图像输入GoogLeNet的第二层卷积池化。

所述一种基于单能量图自适应分割的步态识别方法，步骤2具体包括如下步骤：

步骤2.1、使用背包形态时样本分割后的腿部区域作为测试集；