[发明专利]目标对象步态处理方法及装置、非易失性存储介质

权利要求书

1.一种目标对象步态处理方法，其特征在于，包括：

在目标检测区域内获取目标对象的运动序列数据，其中，所述目标对象具有生命体征；

基于所述运动序列数据确定所述目标对象的第一步态信息；

将所述第一步态信息与预先存储的第二步态信息进行身份匹配处理；

当所述第一步态信息与所述第二步态信息不相匹配时，发出告警信息。

2.根据权利要求1所述的目标对象步态处理方法，其特征在于，基于所述运动序列数据确定所述目标对象的所述第一步态信息包括：

对所述运动序列数据中的姿态数据进行轮廓提取处理，得到姿态轮廓序列；

对所述姿态轮廓序列进行步态识别处理，得到所述第一步态信息。

3.根据权利要求2所述的目标对象步态处理方法，其特征在于，对所述运动序列数据中的所述姿态数据进行轮廓提取处理，得到所述姿态轮廓序列包括：

基于所述运动序列数据进行目标对象检测处理，得到目标对象检测结果；

对所述目标对象检测结果进行图像分割处理，得到目标对象关联图像；

基于所述运动序列数据进行前景图像与后景图像分离处理，得到后景初始图像；

对所述后景初始图像进行归一化处理，得到后景归一化图像；

对所述目标对象关联图像与所述后景归一化图像进行图像融合处理，得到所述姿态轮廓序列。

4.根据权利要求2所述的目标对象步态处理方法，其特征在于，对所述姿态轮廓序列进行步态识别处理，得到所述第一步态信息包括：

利用步态识别网络模型对所述姿态轮廓序列进行步态识别处理，得到所述目标对象的步态类别。

5.根据权利要求4所述的目标对象步态处理方法，其特征在于，利用所述步态识别网络模型对所述姿态轮廓序列进行步态识别处理，得到所述步态类别包括：

利用残差卷积神经网络模型对所述姿态轮廓序列进行步态特征提取处理，得到第一处理结果；

利用门控循环神经网络对所述第一处理结果进行特征向量学习，得到第二处理结果；

利用注意力机制根据所述第二处理结果调整网络权重，得到第三处理结果；

利用分类器对所述第三处理结果进行运动步态判别处理，得到所述步态类别。

6.根据权利要求1所述的目标对象步态处理方法，其特征在于，发出所述告警信息包括以下至少之一：

控制智能家居设备的扬声组件发出所述告警信息；

控制智能家居设备的通讯组件经由服务器向与所述智能家居设备关联的目标终端发送所述告警信息。

7.一种目标对象步态处理装置，其特征在于，包括：

获取模块，用于在目标检测区域内获取目标对象的运动序列数据，其中，所述目标对象具有生命体征；

确定模块，用于基于所述运动序列数据确定所述目标对象的第一步态信息；

匹配模块，用于将所述第一步态信息与预先存储的第二步态信息进行身份匹配处理；

处理模块，用于当所述第一步态信息与所述第二步态信息不相匹配时，发出告警信息。

8.一种非易失性存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的目标对象步态处理方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至6任一项中所述的目标对象步态处理方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的目标对象步态处理方法。