[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有效
| 申请号： | 201910788826.1 | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110688898B | 公开（公告）日： | 2023-03-31 |
| 发明（设计）人： | 瞿斌杰;孙韶媛;赵国顺;张光林;翟梦琳 | 申请（专利权）人： | 东华大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/045;G06N3/084;G06T7/11;G06T7/136;G06T7/194;G06T7/90 |
| 代理公司： | 上海申汇专利代理有限公司 31001 | 代理人： | 翁若莹;柏子雵 |
| 地址： | 201600 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 基于 时空 双流 卷积 神经网络 视角 步态 识别 方法 | ||
【主权项】：
1.一种基于时空双流卷积神经网络的跨视角步态识别方法，其特征在于，包括以下步骤：/n步骤1、采用CASIA-B数据集和同组人员共同采集的DHU-GaitSet数据集作为实验数据集，将实验数据集基于高斯模型背景建模，完成高斯背景建模后，利用步态序列中的当前帧与背景帧作减运算，并取绝对值完成背景差分，将差分后的前景运动图像与背景图像进行二值化分割得到粗略的步态剪影图，对获得的粗略的步态剪影图进行形态学处理以得到更精确的步态剪影图，随后进行人影消除得到最终的步态剪影图，最后将处理好的步态剪影图进行标准化使运动目标中心对齐；/n步骤2、将上一步获得的步态剪影图分别融合成为步态能量图GEI和保留了步态序列时间信息的彩色步态能量图CGI；/n步骤3、构建基于时间和空间的双流卷积神经网络，该双流卷积神经网络的基网络为卷积神经网络，用于计算注册样本和验证样本之间的相似度，注册样本和验证样本为相对应的注册的步态能量图GEI和验证的步态能量图GEI以及相对应的注册的彩色步态能量图CGI和验证的彩色步态能量图CGI，由四层CNN组成并有两个入口，其中一个入口的输入为注册的步态能量图GEI和验证的步态能量图GEI，另一入口的输入为注册的彩色步态能量图CGI和验证的彩色步态能量图CGI，双流卷积神经网络的最顶层使用Softmax来判断验证样本和注册样本是否属于同一目标；/n步骤4：运用二分类交叉熵损失作为模型的目标函数训练基于时间和空间的双流卷积神经网络。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华大学，未经东华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910788826.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于联合判断与生成学习的行人重识别方法及装置
- 下一篇：指纹辨识装置
