[发明专利]一种基于毫米波的多人步态识别方法及装置

权利要求书

1.一种基于毫米波的多人步态识别方法，其特征在于，所述方法包括：

获取毫米波设备对多个目标行人进行探测获得的多帧点云数据，每帧点云数据由多个反射点数据组成，每个反射点数据包括反射点的三维坐标、速度以及置信度；

基于所述反射点在点云中的位置分布，将每帧点云数据划分为目标行人数目组点云子数据；

将每帧点云数据中的各组点云子数据与其他帧点云数据中的各组点云子数据进行匹配，基于匹配结果，确定每个目标行人的步态点云序列；

分别将每个目标行人的步态点云序列输入预先训练完成的步态识别神经网络，得到每个目标行人的步态识别结果，所述步态识别神经网络是根据训练集预先训练的，所述训练集包括多个样本行人的真实身份标识，以及每个样本行人的样本步态点云序列；

所述步态识别神经网络按照如下步骤进行训练：

获取预设的神经网络模型和预设训练集；

将所述样本步态点云序列输入所述神经网络模型，得到样本行人的身份识别结果；

基于所述身份识别结果以及所述真实身份标识，确定损失值；

基于所述损失值判断所述神经网络模型是否收敛；

若否，则调整所述神经网络模型中的参数值，并返回所述将所述样本步态点云序列输入所述神经网络模型，得到样本行人的身份识别结果的步骤；

若是，则将当前的神经网络模型确定为步态识别神经网络；

每帧点云数据中的每个反射点数据包括x轴坐标、y轴坐标、z轴坐标、速度以及置信度5个属性，预设的神经网络模型中包括5个结构相同的子网络模型，每个子网络模型对应反射点数据的一个属性；

在将点云数据输入神经网络之前，对每一帧中的点云进行复制，使得每一帧点云中包含的反射点数目为预设值；

所述将所述样本步态点云序列输入所述神经网络模型，包括：

将样本步态点云序列中的5个属性的数据分别输入所述神经网络模型中的5个子网络模型中。

2.根据权利要求1所述的方法，其特征在于，所述毫米波设备为多个，在所述基于所述反射点在点云中的位置分布，将每帧点云数据划分为所述目标行人数目组点云子数数据之前，所述方法还包括：

基于各个毫米波设备的相对位置，对各个毫米波设备探测获得的多帧点云数据中每个反射点数据的三维坐标进行转换，得到同一直角坐标系下的三维坐标；

基于各帧点云数据的时间戳，合并各个毫米波设备探测获得的各帧点云数据。

3.根据权利要求1所述的方法，其特征在于，所述将每帧点云数据中的各组点云子数据与其他帧点云数据中的各组点云子数据进行匹配，基于匹配结果，确定每个目标行人的步态点云序列的步骤，包括：

采用匈牙利算法对每帧点云数据中的各组点云子数据进行匹配，基于匹配结果确定所述目标行人与所述每帧点云数据中的点云子数据的对应关系；

将所述目标行人对应的各帧点云数据中的点云子数据确定为该目标行人的步态点云序列。