[发明专利]基于时空双流卷积神经网络的跨视角步态识别方法

说明书

本发明提出了一种基于时间空间双流卷积神经网络的跨视角步态识别方法。本发明针对步态识别问题，首先将实验中所需数据集处标准化处理成统一格式，再将步态剪影图分别融合成为步态能量图和彩色步态图，其中彩色步态图(CGI)可解决目前步态识别中不能很好地保留步态序列中时间信息问题，最后通过设计构建基于时间空间的双流卷积神经网络，计算注册样本和验证样本之间的相似度，从而判断注册样本和验证样本是否属于同一目标。该方法提高了步态识别的准确率。

技术领域

本发明属于步态识别领域，具体涉及一种基于时空双流卷积神经网络的跨视角步态识别方法，在充分利用了空间信息的情况下，通过保留步态序列时间信息的方法可以较好地解决跨视角下步态识别问题。

背景技术

步态是人在行走过程中姿态的变化。不同于人脸、指纹、虹膜等，步态是唯一可在远距离非受控状态下获得的生物特征。心理学证据表明，每个人的步态存在一定的差异，因此可用于身份的鉴别。步态识别指利用步态信息对人的身份进行识别的技术。近年来，随着视频监控设备在机场、车站、商场的普及，步态识别在社会安全、市场营销、生物认证、视频监控和法律援助等领域逐渐发挥重要的作用。

步态识别任务包括计算机视觉领域内多个基本研究方向。对于一段给定的包含一个或多个行人行走过程的视频序列，广义上的步态识别流程可以分为4个主要阶段:行人检测、行人分割、行人追踪和行人识别。行人检测阶段定位行人在单帧图像中的位置，确定行人大小。行人分割阶段针对行人检测结果进行像素级的分割并去除视频中的背景信息。行人追踪阶段确定目标的运动轨迹，区分视频序列中的不同个体。一般意义上的步态识别，即指行人识别阶段，利用从行人轮廓图序列中提取特征对人进行身份辨认。

步态识别任务可以根据任务目标分为两类。第一类为验证任务，给定注册样本(Probe Sample)x^p和验证样本(Gallery Sample)x^g，依据某种相似度指标或给定的阈值判断它们是否具有相同身份。第二类为辨别任务，即给定注册样本x^p和验证集(Gallery Set)中N个样本表示验证集中第i个验证样本，找出验证集中和注册样本具有相同身份的验证样本。

由于人在行走过程中可能处于各种不同的状态，现有的步态识别数据集为了保证能够对算法进行有效评估，引入了视角、衣着和携带物等协变量。其中视角变化会极大地影响行人在行走过程中整体的外观对于同一个人在不同视角下的步态序列，如何通过有效的算法判断其是否具有相同的身份是当前步态识别领域研究的一个热点问题。

步态识别主要包括传统的机器学习方法和如今火热的深度学习方法。