[发明专利]一种基于姿态指导的步态识别方法

说明书

本发明公开了一种基于姿态指导的步态识别方法，其包括：步骤1：进行步态数据的采集以及预处理；步骤2：提取静态外观信息和姿态信息进行模型训练；步骤3：利用训练好的模型进行身份的识别与认证。其中，本发明结合人体轮廓和姿态信息进行步态识别，有效地提取骨架模型中的姿态信息，实现静态外观信息和姿态信息的融合，提高了识别结果的可靠性。

技术领域

本发明属于计算机视觉、模式识别及步态识别技术领域，具体涉及一种基于姿态指导的 步态识别方法。

背景技术

步态识别是指通过人的走路姿势对人物身份进行认证或识别的一种技术手段，被认为是 远距离身份识别中最具潜力的方法之一。其它的身份识别方法如指纹识别、虹膜识别、人脸 识别、语音识别等，虽然已经在考勤、门禁、自动身份鉴别领域得到了广泛应用，但是它们在使用过程中往往存在着或多或少的缺陷，比如需要受试者主动明确的配合或者要求受试者 进行一系列标准动作，依据这些附加条件提高识别率，并实现身份识别。这些额外的要求， 使得身份鉴定过程变得很不便利，受试者的配合动作也增加了识别时间。

步态识别的现有技术中无论是基于模型的方法还是基于非模型的方法，都有其自身的优 缺点。基于非模型的方法主要是通过提取人体外观轮廓特征来进行步态分类识别，完整的人 体轮廓包含丰富的静态外观信息，但是协变量的影响给准确有效的运动分割带来了困难，从而导致无法正确识别人物身份，其中，协变量指的是譬如天气的变化、光照条件的变化、背 景的混乱干扰、运动目标的影子、物体与环境之间或者物体与物体之间的遮挡、甚至摄像机 的运动等。基于模型的方法能够抽象出人体的比例结构与姿态信息，并且可以降低服饰、携 带物和遮挡带来的影响，但是其一般需要复杂的采集设备、繁琐的建模过程和昂贵的计算代价等，这使得它不能在户外大规模使用。随着深度学习在计算机视觉领域的大规模应用，促 进了语义分割和人体姿态估计技术的发展，为基于模型和非模型的步态识别方法提供了可靠 高效的轮廓外观和人体姿态提取的手段。

人体步态特征既包含人体的外观，也包含行走时人的步态运动的动力学特征性。直观上， 通过步态识别人物身份很大程度上依赖于人的静态轮廓形状如何随时间的变化，而理想上， 基于步态特征的识别更加充分。但是目前步态识别的方法基本都是采用单一的基于模型的方法或者基于非模型的方法，对于结合人体轮廓和姿态信息进行步态识别的研究还没有人去探 讨，也缺少将其两者结合进行步态识别的有效手段。

发明内容

本发明针对现有身份识别存在的弊端，提供了一种基于姿态指导的步态识别方法，其结 合人体轮廓和姿态信息进行步态识别，有效地提取骨架模型中的姿态信息，实现静态外观信 息和姿态信息的融合，使用的紧凑型双线性融合方法，允许不同维度上的时空信息进行交互，克服了传统方法不能很好地使时空特征信息交互从而导致大量信息的丢失的问题，提高对待 识别个体进行身份识别的准确性。

本发明提供的一种基于姿态指导的步态识别方法，包括如下步骤：

S1：采集样本个体的的行走视频作为步态数据并进行预处理；

其中，将所述行走视频拆分为连续的步态图片序列并进行预处理得到人体姿态序列图和 行人轮廓图；

S2：分别将每个样本个体对应的步态周期内的行人轮廓图输入R(2+1)D结构的静态信息 网络得到静态特征以及基于时序堆叠网络由步态周期内的人体姿态序列图得到姿态特征；

其中，所述步态周期为从任意某一侧足的足跟落地开始，到下一次该一侧足跟落地结束 之间的连续过程；每个行走视频的每个步态周期分别对应一个静态特征和姿态特征；

S3：基于紧凑性双线性融合方法将同一样本个体的静态特征和姿态特征进行融合得到融 合特征；

S4：基于样本个体的融合特征进行网络训练得到步态识别模型；