[发明专利]一种步态识别方法、装置、系统和计算机可读存储介质

权利要求书

1.一种步态识别方法，其特征在于，包括：

获取监控视频数据，从所述监控视频数据中提取出人体目标的第一步态序列；

对所述第一步态序列进行特征提取处理，得到第一抓拍步态特征；

确定与所述第一抓拍步态特征匹配的至少一个第一预设步态特征；

基于图卷积神经网络模型，对所述第一抓拍步态特征与所述第一预设步态特征进行处理，得到预测特征；所述预测特征包括多个预测特征值；

判断所述预测特征值是否满足第二预设步态识别条件；若是，则将所述预测特征值对应的第一预设步态特征作为所述第二预设步态特征；

采用验证网络对所述第一抓拍步态特征与所述第二预设步态特征进行验证，以确定所述第一抓拍步态特征与所述第二预设步态特征为同一人体目标的概率，记作相似概率；

判断所述相似概率是否大于所述相似概率阈值；

若是，则确定满足第一预设步态识别条件，所述第一预设步态识别条件为相似概率是否大于相似概率阈值，将所述第二预设步态特征对应的人体目标作为与所述第一抓拍步态特征对应的人体目标，并生成预警消息，所述预警消息用于表示所述第一抓拍步态特征与所述第二预设步态特征对应的人体目标相同。

2.根据权利要求1所述的步态识别方法，其特征在于，所述确定与所述第一抓拍步态特征匹配的至少一个第一预设步态特征的步骤，包括：

计算所述第一抓拍步态特征与每个所述预设步态特征之间的相似度；

按照从大到小的顺序对所述相似度进行排序，得到相似度序列；

将所述相似度序列中前第一预设数量个相似度对应的预设步态特征作为所述第一预设步态特征。

3.根据权利要求1所述的步态识别方法，其特征在于，所述方法还包括：

对所述第一抓拍步态特征与所述第一预设步态特征进行特征融合处理，得到第一相关特征；

将所述第一相关特征输入所述图卷积神经网络模型，得到所述预测特征；所述预测特征值用于表示所述第一抓拍步态特征与所述第一预设步态特征为同一人体目标的概率。

4.根据权利要求3所述的步态识别方法，其特征在于，所述对所述第一抓拍步态特征与所述第一预设步态特征进行特征融合处理的步骤，包括：

将所述第一抓拍步态特征与所述第一预设步态特征相减/相加；

或者，将所述第一抓拍步态特征与所述第一预设步态特征拼接。

5.根据权利要求3所述的步态识别方法，其特征在于，所述将所述第一相关特征输入所述图卷积神经网络模型的步骤之前，包括：

获取训练数据，对所述训练数据进行处理，得到第二抓拍步态特征与所述第二预设步态特征；

对所述第二抓拍步态特征与所述第二预设步态特征进行特征融合处理，得到相关特征；

对所述第二预设步态特征进行处理，得到邻接矩阵；

基于所述相关特征与所述邻接矩阵构建图卷积神经网络；

对所述图卷积神经网络进行训练，得到所述图卷积神经网络模型。

6.根据权利要求3所述的步态识别方法，其特征在于，所述判断所述预测特征值是否满足第二预设步态识别条件的步骤，包括：

判断所述预测特征值是否大于预设特征阈值。

7.根据权利要求1所述的步态识别方法，其特征在于，所述方法还包括：

在所有所述预测特征值均小于/等于预设特征阈值或所有所述相似概率均小于/等于所述相似概率阈值时，不生成所述预警消息。

8.根据权利要求1所述的步态识别方法，其特征在于，所述监控视频数据包括多张监控图像，所述从所述监控视频数据中提取出人体目标的第一步态序列的步骤，包括：

对所述监控视频数据进行目标检测处理，得到所述监控视频数据中的人体目标；

对所述人体目标进行跟踪，得到与所述人体目标对应的标识信息；

基于所述人体目标与所述标识信息，生成与所述标识信息对应的第一步态序列。