[发明专利]基于双通道卷积神经网络的人体身份识别方法

权利要求书

1.一种基于双通道卷积神经网络的人体身份识别方法，其特征在于，该方法包括如下步骤：

步骤1：构建人体运动模型；

步骤2：人体回波建模；

步骤3：增强时频图像构建；

步骤4：实现人体身份识别的DC-CNN设计。

2.如权利要求1所述的基于双通道卷积神经网络的人体身份识别方法，其特征在于，步骤1包括：

(1)人体体态建模

令a、b、c分别为三维直角坐标系中椭球体在X′、Y′、Z′方向上半长轴长度,其中，a、b表示椭球体胖瘦，c为椭球体长度，基于此椭球体模型，通过调整身高、肢体比例和椭球体半长轴大小，模拟不同体态；

(2)人体运动姿态建模

运动姿态取决于运动方程中表征运动的幅度及相位参数，

调整参数β以改变垂直平移，即：

其中，T_v为垂直平移，a_v＝0.015V_R为垂直平移函数，V_R为基于腿长归一化给定行走速度，t_R为步态周期；

调整参数λ以改变前后向平移，即：

其中，T_r为前后平移，a_F为与速度相关的常数，为时间相关常数；

调整参数μ以改变横向平移，即：

其中，T_h为横向平移，a₁＝-0.032；

人体运动可视为躯干、腿以及手臂三部分周期运动的叠加，且由各自频率、幅度和相位参数决定，运动方程由频率、幅度和相位表示，构建运动矢量方程如下：

其中，⊙表示点积，分别为手臂、腿及躯干的垂直平移频率，分别为手臂、腿及躯干前后平移频率，分别为手臂、腿及躯干横向平移频率；分别为手臂、腿及躯干垂直方向的相位，分别为手臂、腿及躯干前后方向的相位，分别为手臂、腿及躯干横向方向的相位；

根据以上方程同时调整幅度和相位，关节挠曲度调整如下：

调整参数α以改变肩部摆动，即：

R_O＝3-αarcos(2πt_R) (7)

其中，R_O为肩部摆动，ar＝9.88V_R；

调整挠曲角度最大值，其对应控制点坐标为y₂，由此得：

其中，C₁、C₂、C₃为不同条件下肘部挠曲最大角度对应控制参数。