一种步态识别的方法、装置及相关设备.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CN113869109A(43)申请公布日2021.12.31(21)申请号202110961394.7(22)申请日2021.08.20(71)申请人江汉大学地址430056湖北省武汉市沌口经济技术开发区新江大路8号(72)发明人何强潘辉余家伟王旺(74)专利代理机构北京众达德权知识产权代理有限公司11570代理人张晓冬(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书8页附图5页(54)发明名称一种步态识别的方法、装置及相关设备(57)摘要本发明公开了一种步态识别的方法、装置及相关设备，用于通过走路姿态来对目标对象是否为标识对象进行识别，所述方法包括：获取目标对象的基础标识数据；所述获取目标对象的基础标识数据包括：获取目标对象的图像数据，并依据所述图像数据得到所述目标对象运动时的步态特征数据；将所述基础标识数据与预设数据模型库中的标准标识数据进行匹配；所述标准标识数据为通过对所述标识对象的步态特征数据进行训练的循环神经网络；若匹配，则判断该目标对象为标识对象，可广泛应用于步态识别技术领域。CN113869109ACN113869109A权利要求书1/3页1.一种步态识别的方法，用于通过走路姿态来对目标对象是否为标识对象进行识别，其特征在于，所述方法包括：获取目标对象的基础标识数据；所述获取目标对象的基础标识数据包括：获取目标对象的图像数据，提取所述目标对象的所述图像数据中的第一Hu矩特征数据；将所述第一Hu矩特征数据根据代码本量化成一组可被计算机识别的数字符号序列作为步态特征数据；将所述基础标识数据与预设数据模型库中的标准标识数据进行识别匹配；所述预设数据模型库的构建方法包括：获取被识别对象的识别数据，所述获取被识别对象的识别数据包括，获取被识别对象的影像数据；提取所述被识别对象的所述影像数据中的第二Hu矩特征数据；依据所述第二Hu矩特征数据计算得出所述被识别对象的步伐姿态的周期；将多个所述步伐姿态的周期的每个所述第二Hu矩特征数据进行平均值计算，从而生成一个代码本(codebook)，第二Hu矩特征数据根据所述代码本量化成一组可被计算机识别的数字符号序列，该数字符号序列作为输入循环神经网络训练的数据；被识别对象的所述步伐姿态特征数据通过代码本量化成数字符号后对循环神经网络进行训练；获得训练后的循环神经网络用于表征所述标识对象的步态特征的所述预设数据模型库；若所述基础标识数据被预设数据模型库中的循环神经网络所识别，则判断该目标对象为标识对象。2.根据权利要求1所述的步态识别的方法，其特征在于：所述提取所述目标对象的所述图像数据中的第一Hu矩特征数据之前还包括：对所述目标对象的图像进行分割处理，以使所述目标对象与图像中的背景分离。3.根据权利要求1所述的步态识别的方法，其特征在于：对所述目标对象的图像进行分割处理包括：用中值滤波把目标对象的图像从背景中进行分离。4.一种步态识别的装置，用于通过目标对象的走路姿态来识别被标识的目标对象，其特征在于，所述装置包括：基础数据获取模块：获取目标对象的基础标识数据；所述获取目标对象的基础标识数据包括：获取目标对象的图像数据，提取所述目标对象的所述图像数据中的第一Hu矩特征数据；依据代码本将第一Hu矩特征数据量化成一组可被计算机识别的数字符号序列作为输入循环神经网络训练的数据；匹配模块，将所述基础标识数据与预设数据模型库中的标准标识数据进行识别匹配；所述预设数据模型库的构建方法包括：获取被识别对象的识别数据，所述获取被识别对象的识别数据包括，获取被识别对象的影像数据；提取所述被识别对象的所述影像数据中的第二Hu矩特征数据；依据所述第二Hu矩特征数据计算得出所述被识别对象的步伐姿态的周期；将多个所述步伐姿态的周期的每个所述第二Hu矩值进行平均值计算，从而生成一个代码本(codebook)，第二Hu矩特征数据根据所述代码本量化成一组可被计算机识别的数字符号序列，该数字符号序列作为输入循环神经网络训练的数据；被识别对象的所述步伐姿态特征数据通过代码本量化成数字符号后对循环神经网络进行训练；获得训练后的循环神经网络用于表征所述标识对象的步态特征的所述预设数据模型库；判断模块，若所述基础标识数据被预设数据模型库中的循环神经网络所识别，则判断该目标对象为标识对象。2CN113869109A权利要求书2/3页5.根据权利要求4所述的步态识别的装置，其特征在于，所述基础数据获取模块还用于：对所述目标对象的图像进行分割处理，以使所述目标对象与图像中的背景分离。6.根据权利要求4所述的步态识别的装置，其特征在