[发明专利]一种基于暹罗网络的多输入跨视角步态识别方法及装置

说明书

本发明公开了一种基于暹罗网络的多输入跨视角步态识别方法及装置，其中，所述方法包括：基于行人步态数据集，获取能量图probe和gallery，以及基于OU‑ISIR MVLP数据集获取属于同一行人的正样本能量图positive和不属于同一行人的负样本能量图negative；搭建改进的步态验证暹罗网络，得到L2₁和L2₂，以及搭建改进的步态识别暹罗网络，得到L2₃、L2₄、L2₅和L2₆；得出对比损失函数，并训练步态验证暹罗网络的卷积网络参数，使得所述对比损失函数达到最低，以及得出三重对比损失函数，并训练步态识别暹罗网络的卷积网络参数，使得所述三重对比损失函数达到最低；对其他行人重复进行上述过程来进行跨视角验证和识别；对所述验证和识别的效果进行评估。在本发明实施中，适合一对一的步态验证。

技术领域

本发明涉及步态识别的技术领域，尤其涉及一种基于暹罗网络的多输入跨视角步态识别方法及装置。

背景技术

目前，步态识别是一种生物特征，其原始数据是呈现步行者的视频序列。它特别适用于远距离的人体识别，与指纹、虹膜等其他生物特征相比，不需要被识别者进行配合。因此，在远距离和不受控制的场景中，步态特征更容易进行人体识别。随着人工智能和计算机技术发展，生产管理、安防监控等领域对人的身份辨识和智能化管理需求逐步迫切，而通过传统的人脸识别等方法往往存在许多弊端，特别是工业车间光线不充足的复杂场景下难以实现远距离身份辨识，而步态识别可根据人的行走步态体型特征进行识别，解决复杂环境远距离身份识别难题，是未来远距离场景身份识别的主流方向。

然而，步态识别容易受到个体内变化的影响，如视野、服装、步行速度、鞋子和摄像机视角等；目前步态识别的主要方法有两种：第一类是重建人体3D模型，但是此类方法通常需要在完全控制和协作环境下的多个校准相机。第二类是人工提取人体步态视角不变下的特征，但是此类方法只有在特定环境条件下才能有较好效果。现在缺乏一种针对视角变化下的步态进行匹配的识别方法。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于暹罗网络的多输入跨视角步态识别方法及装置，针对一对一和一对多的匹配方式提出了步态验证暹罗网络和步态识别暹罗网络，分别在不同的匹配方式下有更好的基准。

为了解决上述技术问题，本发明实施例提供了一种基于暹罗网络的多输入跨视角步态识别方法，所述方法包括：

基于行人步态数据集，通过计算行人步态周期获取能量图probe和gallery，以及基于OU-ISIR MVLP数据集获取属于同一行人的正样本能量图positive和不属于同一行人的负样本能量图negative；

基于所述能量图probe和gallery，搭建改进的步态验证暹罗网络，并通过所述改进的步态验证暹罗网络得到L2₁和L2₂，以及基于所述能量图probe、所述正样本能量图positive和负样本能量图negative，搭建改进的步态识别暹罗网络，并通过所述改进的步态识别暹罗网络得到L2₃、L2₄、L2₅和L2₆；

通过所述L2₁和L2₂计算得出对比损失函数，并训练步态验证暹罗网络的卷积网络参数，使得所述对比损失函数达到最低，以及通过所述L2₃、L2₄、L2₅和L2₆计算得出三重对比损失函数，并训练步态识别暹罗网络的卷积网络参数，使得所述三重对比损失函数达到最低；

当所述对比损失函数和所述三重对比损失函数达到最低时，对其他行人重复进行搭建改进的步态验证暹罗网络和步态识别暹罗网络、计算得出对比损失函数和三重对比损失函数、训练步态验证暹罗网络的卷积网络参数和步态识别暹罗网络的卷积网络参数来进行跨视角验证和识别；