[发明专利]基于全局和局部特征融合的步态识别方法

权利要求书

1.一种基于全局和局部特征融合的步态识别方法，其特征在于，包括：

通过三维卷积神经网络从待识别的步态视频的标准化轮廓图中训练出全局步态特征；

通过三维卷积神经网络从局部轮廓图中训练出局部步态特征；

通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合，获得组合步态特征，利用所述组合步态特征对所述待识别的步态视频进行步态识别。

2.根据权利要求1所述的方法，其特征在于，所述的通过三维卷积神经网络从待识别的步态视频的标准化轮廓图中训练出全局步态特征，包括：

将由待识别的步态视频的每一帧减去背景图片得到的二值化图片作为原始轮廓图，对所述原始轮廓图进行标准化处理，得到标准化轮廓图；

将图像样本归一化至112*122大小，序列输入长度为16，通过迭代优化策略，利用图像样本及图像样本标签预训练三维卷积网络，得到用于全局步态特征提取的三维卷积神经网络模型，将所述标准化轮廓图输入到所述用于全局步态特征提取的三维卷积神经网络模型中，通过三维卷积神经网络模型训练出全局步态特征。

3.根据权利要求2所述的方法，其特征在于，所述的通过三维卷积神经网络从局部轮廓图中训练出局部步态特征，包括：

计算所述标准化轮廓图中运动目标的中心,将所述运动目标的中心以下的部分作为人体的局部轮廓图；

将图像样本归一化至56*122大小，序列输入长度为16，通过迭代优化策略，利用图像样本及图像样本标签预训练三维卷积网络，得到用于局部步态特征提取的三维卷积神经网络模型，将所述标准化轮廓图输入到所述用于局部步态特征提取的三维卷积神经网络模型中，通过三维卷积神经网络模型训练出局部步态特征。

4.根据权利要求1、2或3所述的方法，其特征在于，所述的通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合，获得组合步态特征，包括：

设定全局步态特征V1的权重为ε，局部步态特征V2的权重为1-ε；

通过串行组合的方式，对所述全局步态特征V1和局部步态特征V2进行串行融合，获得组合步态特征V：

5.根据权利要求4所述的方法，其特征在于，所述的利用所述组合步态特征对所述待识别的步态视频进行步态识别，包括：

采用主成分分析PCA方法对融合后的组合特征进行降维处理，从降维后的组合特征中提取出待识别的步态视频的鲁棒性特征，将提取出来的鲁棒性特征依次与训练集中已经给定具体步态类别的特征进行距离测算，选出待分类特征与训练集特征中距离最小的特征对应的步态类别，将该步态特征作为所述待识别的步态视频的步态类别。