[发明专利]一种基于轻量化多尺度特征提取的步态识别方法

权利要求书

1.一种基于轻量化多尺度特征提取的步态识别方法，其特征在于，包括如下步骤：

步骤一)训练基于轻量化多尺度的步态特征提取模型：

构建神经网络的训练集和测试集；

卷积神经网络的输入大小被设置为B*C*H*W，其中B表示批量维度，C表示输入步态图像的通道的数，H和W为每帧步态视频序列的长和宽；

通过迭代优化策略，利用样本及样本标签训练3*3尺度的步态特征提取模型，训练完成后获得模型的基准精确度；

步骤二)在特征提取模块中增加一个新的卷积操作，增加的卷积操作为2个串联的3*3尺度卷积，将各次卷积操作得到的特征图相加得到多尺度特征图；比较添加卷积操作前后的模型的精确度；

步骤三)精确度提高，则重复步骤二)，其中须将第n次增加的卷积操作改为n+1个串联的3*3尺度卷积；

当增加新的卷积操作使得精确度下降时，停止步骤；

步骤四)将得到的多尺度特征提取模块应用到步态识别神经网络中。

2.如权利要求1所述的一种基于轻量化多尺度特征提取的步态识别方法，其特征在于，所述训练集和测试集由CASIA-B步态数据集中分割得到。

3.如权利要求1所述的一种基于轻量化多尺度特征提取的步态识别方法，其特征在于，所述神经网络输入归一化至64*44大小。

4.如权利要求1所述的一种基于轻量化多尺度特征提取的步态识别方法，其特征在于，进行步骤二)时先对输入的步态图像通过卷积尺度1x1的卷积操作对通道进行降维；在步骤二)结束时再进行卷积尺度1x1的卷积操作对通道进行升维。