[发明专利]基于人工智能的步态识别方法、装置、系统、存储介质和服务器

权利要求书

1.基于人工智能的步态识别方法，其特征在于，包括如下步骤：

A.识别视频中的人体；

B.识别并跟踪所述人体的主要关节，并保存所述主要关节在视频帧中的位置信息，形成视频序列；

C.在所述视频序列中学习和提取步态特征；

所述步态特征包括所述视频帧中所述主要关节的位置信息、以及所述视频序列中所述主要关节的运动信息；

D.将所述步态特征与预设在储存模块中的步态特征进行对比，得出识别结果；

所述步骤D.将所述步态特征与预设在储存模块中的步态特征进行对比，得出识别结果为：通过度量函数计算所述步态特征在特征空间中相对于所述预设在储存模块中的步态特征的距离，若距离在区间[a，1]，则所述步态特征是所述预设在储存模块中的步态特征所属人体的不同角度的步态特征，若距离在区间[0，a)，则所述步态特征与所述预设在储存模块中的步态特征不匹配；

所述预设在储存模块中的同一人体的步态特征在特征空间中呈多元高斯分布。

2.根据权利要求1所述的基于人工智能的步态识别方法，其特征在于，在步骤B后还包括步骤Bn.在所述视频中插值生成帧数大于或等于20的步态视频帧；

执行所述步骤Bn前还执行步骤B1.判断所述视频中所述人体出现步态的时长，若步态时长小于0.5s，则执行步骤Bn。

3.根据权利要求1所述的基于人工智能的步态识别方法，其特征在于，所述主要关节包括踝关节、髋关节、膝关节、手腕关节、肘关节和肩关节。

4.根据权利要求1所述的基于人工智能的步态识别方法，其特征在于，所述A.识别视频中的人体中，从所述视频中识别出的人体均生成有对应的ID号。

5.基于人工智能的步态识别装置，其特征在于，用于执行如权利要求1-4任一项所述的基于人工智能的步态识别方法，包括运动人体识别模块、人体关节跟踪模块、自编码学习模块、步态特征识别模块和储存模块；

所述运动人体识别模块用于识别视频中的人体；

所述人体关节跟踪模块与所述运动人体识别模块连接，用于识别并跟踪所述人体的主要关节，并保存所述主要关节在视频帧中的位置信息，形成视频序列；

所述自编码学习模块与所述人体关节跟踪模块连接，用于在所述视频序列中学习和提取步态特征；所述步态特征包括视频帧中所述主要关节的位置信息、以及视频序列中所述主要关节的运动信息；

所述步态特征识别模块与所述自编码学习模块连接，用于将所述步态特征与预设在储存模块中的步态特征进行对比，得出识别结果；

所述储存模块与所述步态特征识别模块连接，用于储存预设的步态特征。

6.根据权利要求5所述的基于人工智能的步态识别装置，其特征在于，还包括步态视频帧生成模块，所述步态视频帧生成模块与所述运动人体识别模块连接，用于当视频中所述人体出现步态的时长小于0.5s时，在视频中插值生成帧数大于或等于20的步态视频帧。

7.基于人工智能的步态识别系统，其特征在于，用于执行如权利要求1-4任一项所述的基于人工智能的步态识别方法，包括视频获取终端、使用终端和服务器；

所述视频获取终端用于获取视频；

所述服务器用于提取所述视频中的步态特征，并将所述步态特征与预设在储存模块中的步态特征进行对比，得出识别结果；

所述使用终端用于监控步态识别过程，并输出识别结果。

8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1至4任一所述的基于人工智能的步态识别方法。

9.一种服务器，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至4任一所述的基于人工智能的步态识别方法。