[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

说明书

本发明公开了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，其中步态识别方法包括如下步骤：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；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。步态识别装置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。步态识别系统包括视频获取终端、使用终端和服务器。本发明基于人工智能技术，避免了人工选取步态特征导致的在高维空间对最优步态特征的无效搜索，最大程度地实现对最优步态特征的鲁棒、完整提取。

技术领域

本发明属于生物特征识别技术领域，特别涉及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。

背景技术

步态是指人体走路所表现的姿态、以及走路所有的动作，步态信息包括但不限于走路时的步频、步长、下肢摆动角度及加速度等信息。一般而言，人的步态可由7个时间连续的阶段构成，分别为：脚跟着地、脚掌着地、脚跟提起、前趾离地、摆动前期、摆动中期和摆动尾期（脚跟着地），这7个阶段组成一个基本的步态循环。每个人双脚的步态循环表征了其独一无二的生物特征，因此，步态跟指纹，虹膜，人脸等特征一样，可作为人体的一种生物特征用于自然人的识别及锁定。目前，步态识别可以配合人脸识别、虹膜识别等，被应用于门禁识别、公安的天网监控系统等，将未知身份人的步态在数据库中搜寻与之匹配的人的步态，从而确认人的身份。

目前，步态循环和步态序列的特征提取大多数靠人工手动选取，只能靠人工选择需要提取的步态的特征，通过相应的程序或者算法在视频中提取出步态特征，比如选择行走的步频特征、或跨度特征、或摆动时长特征等，通过追踪算法在视频中通过目标特征的数据提取出人体专属的步态特征。步态特征的特征空间一般为高维空间，其特征既包括空间维度，又包括时间维度，由人为决定步态的特征，无法准确判断最能表征人体步态特征的特征向量，这导致在步态序列的特征空间中选取步态特征时，遗漏最有价值的、且最能准确表征人体步态的特征的概率非常大，获得最优步态特征的可能性相对较小。同时，这些不足也是目前步态识别技术尚无法大规模利用与部署的重要原因之一。

因此，现有技术有待改进和发展。

发明内容

本发明提供了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，通过智能模块进行步态特征的自动提取和识别，避免了人工方法提取步态特征导致的在高维空间对最优步态特征的无效搜索，最大程度地实现对最优步态特征的鲁棒、完整提取。

为解决其技术问题，本发明提供的基于人工智能的步态识别方法，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。

进一步地，上述步骤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。

进一步地，在上述步骤B后还包括步骤Bn．在视频中插值生成帧数大于或等于20的步态视频帧；执行该步骤Bn前还执行步骤B1．判断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。