[发明专利]一种基于相似度学习及核方法的多视角步态识别方法

权利要求书

1.一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：包括以下步骤：

步骤S1：训练过程：对不同视角的步态视频集合提取步态能量图作为训练样本集，将不同视角样本带入基于相似度学习及核方法的多视角步态识别模型，学习得到任意视角到公共子空间的投影关系；

步骤S2：识别过程：对任意视角待识别步态视频和已注册步态视频集合分别提取步态能量图，利用步骤S1中学习得到的投影关系将任意视角待识别步态样本和已注册步态样本投影到公共子空间，依据投影后样本的相似程度进行身份预测，并输出识别结果；

步骤S1具体包括以下步骤：

步骤S11：对不同视角的步态视频集合提取步态能量图并预处理后作为训练样本集；

步骤S12：刻画单视角内的样本相似关系；

步骤S13：刻画不同视角间的样本相似关系；

步骤S14：通过单核或多核方法对样本进行非线性变换或多非线性变换；

步骤S15：求解基于相似度学习及核方法的多视角步态识别模型，学习得不同视角到公共子空间的投影关系；

步骤S2具体包括以下步骤：

步骤S21：提取已注册步态视频集合的步态能量图集合并预处理后得到已注册步态样本集；

步骤S22：通过单核或多核方法对已注册步态样本进行非线性变换；

步骤S23：提取任意视角待识别步态视频的步态能量图并预处理后得到任意视角待识别步态样本；

步骤S24：通过单核或多核方法对任意视角待识别步态样本进行非线性变换；

步骤S25：将非线性变换后的待识别步态样本和已注册步态样本依据步骤S1学习得到的投影关系投影到公共子空间；

步骤S26：依据投影后的待识别步态样本和已注册步态样本的相似程度进行身份预测，并输出识别结果。

2.根据权利要求1所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：所述基于相似度学习及核方法的多视角步态识别方法是一种无监督识别方法，其采用的基于相似度学习及核方法的多视角步态识别模型包含单视角内样本相似关系刻画功能模块、不同视角间样本相似关系刻画功能模块、样本的非线性变换特征提取功能模块和不同视角到公共子空间的投影学习功能模块。

3.根据权利要求1所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：所述基于相似度学习及核方法的多视角步态识别模型是学习使样本投影后保留原始多视角步态数据结构的最优投影的优化模型，该优化模型不使用步态样本的身份标签信息。

4.根据权利要求3所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：所述优化模型的优化目标包括保留原始多视角步态数据的单视角下的样本相似关系、不同视角间样本相似关系、最小化误差项及与模型复杂度成正比的正则项。

5.根据权利要求1所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：步骤S12中，基于单视角下的样本近邻关系刻画单视角内的样本相似关系。

6.根据权利要求1所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：步骤S13中，对不同视角间样本相似关系的刻画是基于字典表示的思想，通过不同视角下的训练样本学习得到。

7.根据权利要求1所述的一种基于相似度学习及核方法的多视角步态识别方法，其特征在于：步骤S26中，所述投影后的待识别步态样本和已注册步态样本的相似程度是基于近邻关系来刻画的。