[发明专利]基于步态信息的身份识别方法及装置

说明书

本发明提供了一种基于步态信息的身份识别方法及装置，包括：获取由图像采集设备拍摄得到的至少两帧目标图像，所述至少两帧目标图像中包括目标对象的步态信息；以所述至少两帧目标图像作为一体化网络模型的输入，通过所述一体化网络模型对所述至少两帧目标图像中的所述步态信息进行分析，得到所述一体化网络模型输出的所述目标对象的步态特征向量；通过所述步态特征向量确定所述目标对象的身份信息。通过本发明，解决了步态识别精度较低的问题，进而达到了提高步态识别精度的效果。

技术领域

本发明涉及通信领域，具体而言，涉及一种基于步态信息的身份识别方法及装置。

背景技术

随着深度学习的发展，基于深度学习的计算机视觉技术在社会中得到了广泛的应用。在现实的监控场景中，作为利用行人行走方式进行身份识别的识别技术，步态识别凭借识别距离远、难以伪装、易于获取等优点，在安防监控领域得到了广泛的关注和应用。

步态识别的流程通常包括行人检测、行人分割与步态识别这三个步骤，目前的步态识别方法将步态分割与步态识别作为两个任务，分别进行研究，对步态识别的精度和鲁棒性造成了一定影响。

针对相关技术中，步态识别精度较低的问题，目前尚未存在有效的解决方案。

发明内容

本发明实施例提供了一种基于步态信息的身份识别方法及装置，以至少解决相关技术中步态识别精度较低的问题。

根据本发明的一个实施例，提供了一种基于步态信息的身份识别方法，包括：获取由图像采集设备拍摄得到的至少两帧目标图像，所述至少两帧目标图像中包括目标对象的步态信息；以所述至少两帧目标图像作为一体化网络模型的输入，通过所述一体化网络模型对所述至少两帧目标图像中的所述步态信息进行分析，得到所述一体化网络模型输出的所述目标对象的步态特征向量，所述一体化网络模型包括步态分割网络模型和步态识别模型，所述步态分割网络模型用于在所述至少两帧目标图像中分割出所述目标对象的步态剪影图，所述步态识别模型用于对所述步态分割网络模型输出的所述步态剪影图进行分析得到步态特征向量，所述步态分割网络模型和所述步态识别模型是使用多组训练数据对原始卷积神经网络模型进行训练得到的；通过所述步态特征向量确定所述目标对象的身份信息。

可选地，在所述通过所述一体化网络模型对所述至少两帧目标图像中的所述步态信息进行分析之前，所述方法还包括：使用第一训练数据集对原始分割网络模型进行预训练，得到预设步态分割网络模型，其中，所述第一训练数据集包括：至少两帧训练图像和对应的已知步态剪影图；将多组第一步态序列输入至所述预设步态分割网络模型，得到多组第一预估步态剪影序列；使用所述多组第一预估步态剪影序列对原始步态识别模型进行预训练，得到预设步态识别模型。

可选地，所述使用第一训练数据集对原始分割网络模型进行预训练，包括：确定所述至少两帧训练图像中第一训练对象的已知步态剪影图，所述至少两帧训练图像中包括所述第一训练对象的步态信息；将所述至少两帧训练图像和对应的已知步态剪影图作为第一训练数据集，并使用所述第一训练数据集对所述原始分割网络模型进行预训练，得到所述预设步态分割网络模型，其中，所述预设步态分割网络模型输出的预估步态剪影图与所述第一训练对象的已知步态剪影图之间的第一损失函数满足第一收敛条件，所述第一收敛条件用于表示所述第一损失函数的输出值在第一预定范围之内，所述预估步态剪影图中每个像素点的数值为浮点数，所述浮点数用于表示像素点为所述第一训练对象的概率。

可选地，将多组第一步态序列输入至所述预设步态分割网络模型，得到多组第一预估步态剪影序列，包括：将多组第一步态序列输入至所述预设步态分割网络模型，得到所述预设步态分割网络模型输出的与所述多组第一步态序列对应的多组第一预估步态剪影序列，其中，所述多组第一步态序列中的每组第一步态序列中包括至少两帧图像，所述每组第一步态序列用于表示第二训练对象的步态信息。