行人身份识别方法、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CN110795972A(43)申请公布日2020.02.14(21)申请号201810876429.5(22)申请日2018.08.03(71)申请人杭州海康威视数字技术股份有限公司地址310051浙江省杭州市滨江区阡陌路555号（二期）(72)发明人王金(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代理人韩东艳(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书4页说明书16页附图10页(54)发明名称行人身份识别方法、装置、设备及存储介质(57)摘要本发明公开了一种行人身份识别方法、装置、设备及存储介质，属于计算机技术领域，本发明实现了足迹特征与步态特征的交叉识别，可以在行人的步态特征与行人的足迹特征之间相互转换，在行人没有在案发现场遗留足迹的场景中，通过步态足迹转换模型，能够将步态特征转换为足迹特征，从而在没有得到足迹图像的限制下，也能在足迹数据库中进行检索。另外，在没有拍摄到行人的视频的场景中，通过足迹步态转换模型，能够将足迹特征转换为步态特征，从而在没有得到视频的限制下，也能在步态数据库中进行检索，提高了识别行人身份的有效信息量，增加了破案线索。CN110795972ACN110795972A权利要求书1/4页1.一种行人身份识别方法，其特征在于，所述方法包括：获取目标行人的步态特征；将所述步态特征输入到步态足迹转换模型，输出所述目标行人的足迹特征所述步态足迹转换模型用于将行人的步态特征转换为所述行人的足迹特征；根据所述足迹特征，在足迹数据库中进行查询，得到所述足迹特征对应的行人身份信息。2.根据权利要求1所述的方法，其特征在于，所述步态足迹转换模型包括至少一个层，每个层包括至少一个神经元，所述将所述步态特征输入到步态足迹转换模型，输出所述目标行人的足迹特征，包括：将所述步态特征转换为第一特征向量；将所述第一特征向量输入到任一个层的任一个神经元，基于所述神经元的权重向量，对所述第一特征向量以及所述神经元的权重向量进行点积处理，得到中间结果；对所述中间结果进行非线性转换，输出所述神经元的第一输出结果；将所述步态足迹转换模型的输出层的至少一个神经元的第一输出结果，输出为所述目标行人的足迹特征。3.根据权利要求2所述的方法，其特征在于，所述步态足迹转换模型中任意两个相邻层中的神经元为全连接关系，所述全连接关系是指所述两个相邻层中上一个层的任一神经元与下一个层的每个神经元均连接；所述将所述步态特征转换为第一特征向量，包括：获取所述层的上一个层的每个神经元的第二输出结果，将多个第二输出结果作为所述第一特征向量；所述对所述中间结果进行非线性转换，输出所述神经元的第一输出结果，包括：将所述第一输出结果，输出至所述层的下一个层的每个神经元。4.根据权利要求1所述的方法，其特征在于，所述步态足迹转换模型由多个样本特征对通过模型训练得到，每个样本特征对包括同一样本行人的样本足迹特征以及样本步态特征。5.根据权利要求1所述的方法，其特征在于，所述获取行人的步态特征，包括：获取所述行人对应的视频序列；将所述视频序列输入至三维卷积神经网络，获取所述三维卷积神经网络的全连接层输出的特征向量，作为所述行人的步态特征，所述三维卷积神经网络用于根据视频序列识别步态特征。6.一种行人身份识别方法，其特征在于，所述方法包括：获取目标行人的足迹特征；将所述足迹特征输入到足迹步态转换模型，输出所述目标行人的步态特征，所述足迹步态转换模型用于将行人的足迹特征转换为所述行人的步态特征；根据所述步态特征，在步态数据库中进行查询，得到所述步态特征对应的行人身份信息。7.根据权利要求6所述的方法，其特征在于，所述足迹步态转换模型包括至少一个层，每个层包括至少一个神经元，所述将所述足迹特征输入到足迹步态转换模型，输出所述目2CN110795972A权利要求书2/4页标行人的步态特征，包括：将所述足迹特征转换为第二特征向量；将所述第二特征向量输入到任一个层的任一个神经元，基于所述神经元的权重向量，对所述第二特征向量以及所述神经元的权重向量进行点积处理，得到中间结果；对所述中间结果进行非线性转换，输出所述神经元的第三输出结果；将所述足迹步态转换模型的输出层的至少一个神经元的第三输出结果，输出为所述目标行人的步态特征。8.根据权利要求7所述的方法，其特征在于，所述足迹步态转换模型中任意两个相邻层中的神经元为全连接关系，所述全连接关系是指所述两个相邻层中上一个层的任一神经元与下一个层的每个神经元均连接；所述将所述足迹特征转换为第二特征向量，包括：获取所述层的上一个层的每个神经元的第四输出结果，将多个第四输出结果作为所述第二特征向量；所述