[发明专利]结合子空间学习与张量神经网络的步态识别方法及系统

说明书

本发明公开了一种结合子空间学习与张量神经网络的步态识别方法及系统，属于智能识别领域。所述方法包括：获取步态数据，得到步态数据集，并处理得到剪影图集合，进一步得到步态能量图；将剪影图的80％作为训练集进行降维处理，剩余20％作为测试集数据对训练结果进行测试，然后将步态能量图和降维处理后的数据经张量神经网络模块进行特征提取，再经支持向量机作为分类器进行分类，最终将训练集和测试集结果进行对比得到识别鉴定行人身份结果。本发明实现方法简单，硬件成本低，可以自动对特定场所进行人员身份权限检测及伪装人员身份鉴定，有效提高监控场所的安全防护及多种情形下的身份鉴定。

技术领域

本发明涉及智能识别领域，特别涉及一种结合子空间学习与张量神经网络的步态识别方法及系统。

背景技术

为了更好地保护个人、家庭以及企业的财产安全、信息安全，很多场所都配备有安全防护措施。传统的安防主要依靠人力，如设立门卫进行登记、组织人员进行巡逻等；由于这种方式不能保证每个区域在任意时刻都有保卫人员，容易出现安全漏洞。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，步态识别技术越来越显示其价值所在。通过对视频材料的处理可得步态识别图像资料，能避免指纹伪造、假面具防人脸识别等情况，因步态识别的这种特殊性，几乎可以做到零伪造，另想避开这种技术的罪犯等束手无策，大大节省了需要投入的人力物力，且安全可靠性更高。

但是现在的大部分人员识别采用的本质上还是一种人为监控方式，即通过对监控区域内的环境进行录像，依靠监控人员的肉眼来发现异常，而无法对一些特定情况下的人进行精确检测，无法避免指纹仿造、佩戴假面具等伪造措施，。这种人为监控方式成本较高、灵活性差、局限性大、对人体活动及穿戴等情况要求高，无法满足用户即一些精准识别需求的真正需求。当前机器学习等方面技术的迅速发展极大地带动了识别技术的发展，模式识别、计算机视觉等领域的相关技术地引入，大大提高了步态识别技术，在行人监测系统中得到了大量应用。

步态识别是一门融合了计算机视觉、模式识别与视频图像序列处理为一体的综合技术。步态是唯一一种可以在较远距离间感知的生物行为特征。它通过区分人的行走方式来鉴别个人身份。步态识别起初起源于心理学的相关研究，从20世纪90年代才真正在国际上发展，而在2000年开始在国内发展。步态识别可以在远距离、非接触的情况下进行进而弥补生物特征存在的不足，且其可多角度识别、极难伪造等优点另其优势突出，所以近年来各国学术科研机构越来越重视步态识别技术。

发明内容

为了解决现有技术的问题，本发明提供了一种结合子空间学习与张量神经网络的步态识别方法及系统，从尽量提高特征提取环节达到尽量高的识别率着手，通过对步态数据的处理、引入子空间思想的降维处理、以高阶张量神经网络作为特征提取器、以支持向量机作为分类器所组合的系统，减小因角度、步态速度、穿戴情况等对系统造成的不良影响，提高人员监测识别的准确率。所述技术方案如下：

一方面，本发明提供了一种结合子空间学习与张量神经网络的步态识别方法，包括：

获取步态数据，得到步态数据集；

对所述步态数据集中的步态数据进行图像处理，得到剪影图集合；

根据剪影图集合，得到用于表现步态速度和形态的步态能量图；

按照预设的分集规则，将所述剪影图集合分为第一集合和第二集合；

将步态能量图和第一集合的剪影图数据输入第一张量神经网络，得到第一分类结果；

将步态能量图和第二集合的剪影图数据输入第二张量神经网络，得到第二分类结果；

第一分类结果和第二分类结果进行对比分析，得到识别结果。

进一步地，将第一集合/第二集合的剪影图数据输入第一张量神经网络/第二张量神经网络之前还包括：基于子空间学习方法，对剪影图数据进行数据维度降低处理操作。