步态识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140883A(43)申请公布日2022.03.04(21)申请号202111505080.2G06N3/04(2006.01)(22)申请日2021.12.10G06N3/08(2006.01)(71)申请人沈阳康泰电子科技股份有限公司地址110167辽宁省沈阳市浑南区上深沟村861-7号（151）(72)发明人岳志强李永春童心宋宏伟周丹魏宏超蒲岩(74)专利代理机构北京铭硕知识产权代理有限公司11286代理人王学强王兆赓(51)Int.Cl.G06V40/20(2022.01)G06V10/44(2022.01)G06V10/82(2022.01)G06V10/62(2022.01)权利要求书2页说明书9页附图5页(54)发明名称步态识别方法和装置(57)摘要本公开提供了一种步态识别方法和装置。所述方法包括：获取待检测目标的步态图像序列；基于步态图像序列通过关键点检测算法获取待检测目标的关键点连接图序列；将关键点连接图序列输入到生成对抗网络以生成步态剪影序列；以及将步态剪影序列输入到步态识别网络以生成待检测目标的聚合特征向量，并将聚合特征向量作为识别结果进行输出。CN114140883ACN114140883A权利要求书1/2页1.一种步态识别方法，其特征在于，所述方法包括：获取待检测目标的步态图像序列；基于所述步态图像序列通过关键点检测算法获取所述待检测目标的关键点连接图序列；将所述关键点连接图序列输入到生成对抗网络以生成步态剪影序列；以及将所述步态剪影序列输入到步态识别网络以生成所述待检测目标的聚合特征向量，并将所述聚合特征向量作为识别结果进行输出。2.根据权利要求1所述的方法，其特征在于，所述生成对抗网络包括：生成器，利用作为输入的关键点连接图生成二值剪影图；以及判别器，判断由所述生成器生成的二值剪影图的真假并输出判断为真的二值剪影图，其中，所述方法还包括对所述生成对抗网络进行训练，包括：准备第一训练数据，所述第一训练数据包括训练用关键点连接图和与所述训练用关键点连接图对应的验证用剪影图；基于所述训练用关键点连接图使用所述生成器生成训练用二值剪影图；以及使用所述判别器判断所述训练用二值剪影图的真假，并以所述训练用二值剪影图与所述对应的验证用剪影图相似度最大为目标，对所述生成对抗网络进行迭代训练。3.根据权利要求2所述的方法，其特征在于，所述生成器具有五层转置卷积神经网络层，第一转置卷积层至第四转置卷积层选用顺序设置的批规范化和修正线性单元作为激活函数，第五转置卷积层选用双曲正切函数作为激活函数；并且所述判别器具有五层卷积神经网络，第一卷积层至第四卷积层选用顺序设置的批规范化和漏修正线性单元作为激活函数，第五卷积层选用S型函数作为激活函数。4.根据权利要求2或3所述的方法，其特征在于，所述第一训练数据还包括步态图像，其中，所述训练用关键点连接图基于所述步态图像通过所述关键点检测算法生成，所述验证用剪影图基于所述步态图像通过实例分割算法生成。5.根据权利要求1所述的方法，其特征在于，所述步态识别网络包括：特征提取网络，将所述步态剪影序列中的每张步态剪影分为上半身和下半身两部分，分别提取上半身特征向量和下半身特征向量；以及微动作捕捉网络，聚合所述上半身特征向量和所述下半身特征向量以生成所述聚合特征向量，其中，所述方法还包括对所述步态识别网络进行训练，包括：准备第二训练数据，所述第二训练数据包括：基于多角度采集的人体行走图像序列生成的训练用剪影序列和与训练用剪影序列对应的训练用身份标签；将具有同一训练用身份标签的训练用剪影序列用作正样本，将具有不同训练用身份标签的训练用剪影序列用作负样本，利用损失函数反向传播优化参数，对所述步态识别网络进行迭代训练。6.根据权利要求5所述的方法，其特征在于，所述步态识别网络还包括识别器，所述识别器被配置为通过将所述聚合特征向量与步态数据库中的特征向量进行比对，将与所述聚合特征向量相匹配的特征向量的身份标签作为另一识别结果进行输出。7.根据权利要求6所述的方法，其特征在于，所述特征提取网络具有六层卷积神经网络2CN114140883A权利要求书2/2页层，其每层均选用漏修正线性单元作为激活函数，所述步态剪影序列通过第一卷积层和第二卷积层以得到特征图，将所述特征图通过池化层并按人体的上半身和下半身分成两组，再通过第三卷积层至第六卷积层以获得所述上半身特征向量和所述下半身特征向量；并且所述微动作捕捉网络具有两个并行的微动作捕捉模块，分别接收所述上半身特征向量和所述下半身特征向量以生成所述聚合特征向量。8.一种步态识别的装置，其特征在于，所述装置包括：步态图像序列获取单元，被配置为获取待检测目标的步态图像序列；关键点