步态识别方法、装置、设备及存储介质.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CN110705438A(43)申请公布日2020.01.17(21)申请号201910922345.5(22)申请日2019.09.27(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人张均余宗桥孙星彭湃郭晓威(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人祝亚男(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书20页附图12页(54)发明名称步态识别方法、装置、设备及存储介质(57)摘要本申请实施例公开了一种步态识别方法、装置、设备及存储介质，属于计算机技术领域。方法包括：获取目标视频中包括同一人体的多个视频帧；获取所述多个视频帧的步态轮廓图，所述步态轮廓图的排列顺序与所述步态轮廓图对应的视频帧的排列顺序相同；根据多个步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，所述至少两个步态轮廓图相邻；根据所述至少一个融合特征图进行识别，得到所述目标视频对应的识别信息。在对步态轮廓图进行处理时，会得到步态的静态特征和动态特征，根据得到的静态特征和动态特征进行识别，从而提高了识别结果的准确率。CN110705438ACN110705438A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：获取目标视频中包括同一人体的多个视频帧；获取所述多个视频帧的步态轮廓图，所述步态轮廓图的排列顺序与所述步态轮廓图对应的视频帧的排列顺序相同；根据多个步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，所述至少两个步态轮廓图相邻；根据所述至少一个融合特征图进行识别，得到所述目标视频对应的识别信息。2.根据权利要求1所述的方法，其特征在于，所述根据多个步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，包括：对于每个步态轮廓图，将所述步态轮廓图与所述步态轮廓图的参考步态轮廓图进行融合，得到所述步态轮廓图对应的融合特征图，所述参考轮廓图至少包括所述步态轮廓图相邻的步态轮廓图；或者，将所述多个步态轮廓图中目标数目个步态轮廓图进行融合，得到所述目标数目个步态轮廓图对应的融合特征图，所述目标数目个步态轮廓图中包括相邻的步态轮廓图。3.根据权利要求1所述的方法，其特征在于，所述获取目标视频中包括同一人体的多个视频帧之后，所述方法还包括：将所述多个视频帧输入步态识别模型中，基于所述步态识别模型执行根据所述多个视频帧获取所述识别信息的步骤，所述步态识别模型至少包括输入层、特征融合层和全连接层。4.根据权利要求3所述的方法，其特征在于，所述特征融合层包括特征提取子层和时序卷积子层，所述根据所述步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，包括：将获取的多个步态轮廓图输入所述特征提取子层中；在所述特征提取子层中，对输入的每个图像进行特征提取，得到所述每个图像的特征图；在所述时序卷积子层中，对于每个特征图，将所述特征图、所述特征图之前的第一数目个特征图和所述特征图之后的第一数目个特征图进行卷积处理，得到所述特征图对应的融合特征图。5.根据权利要求4所述的方法，其特征在于，所述将所述特征图、所述特征图之前的第一数目个特征图和所述特征图之后的第一数目个特征图进行卷积处理，得到所述特征图对应的融合特征图之后，所述方法还包括：将所述时序卷积子层输出的每个融合特征图输入所述特征提取子层，重复运行所述特征提取子层和所述时序卷积子层，直至重复次数达到目标次数时，将所述时序卷积子层当前输出的融合特征图输入所述全连接层。6.根据权利要求4所述的方法，其特征在于，所述特征融合层包括第二数目个特征提取子层和第二数目个时序卷积子层，所述第二数目个特征提取子层和所述第二数目个时序卷积子层交叉设置，所述输入层与第一个特征提取子层连接，所述全连接层与最后一个时序卷积子层连接。7.根据权利要求3所述的方法，其特征在于，所述特征融合层为记忆层，所述根据所述2CN110705438A权利要求书2/2页步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，包括：在所述记忆层中，对于每个步态轮廓图，根据所述步态轮廓图以及所述步态轮廓图的上一个步态轮廓图对应的融合特征图进行特征提取，得到所述步态轮廓图对应的融合特征图。8.根据权利要求3至7任一项权利要求所述的方法，其特征在于，在所述特征融合层和所述全连接层之间还包括分片层，所述根据所述至少一个融合特征图进行识别，得到所述目标视频对应的识别信息，包括：在所述分片层中，将多个融合特征图进行