[发明专利]一种面向复杂场景细粒度属性驱动的步态数据集合成方法

权利要求书

1.一种面向复杂场景细粒度属性驱动的步态数据集合成方法，其特征在于，包括以下步骤：

S1、生成若干个多属性的行人3D模型；

S2、获取若干组用于绑定的行人步态动作；

S3、将S2中的不同行人步态动作分别绑定到S1中生成的行人3D模型上，获得以不同步态动作行走的行人模型；

S4、以S3中行人模型的走动范围为中心，在3D引擎中搭建多角度步态数据捕获场景；

S5、在S4中构建的多角度步态数据捕获场景中，采集每个行人模型的步态剪影图数据和细粒度属性标签，对应保存为一个样本，将所有样本构建成步态数据集；

步骤S1中，生成若干多属性的行人3D模型的具体方法为：

获取N个3D人物模型，每个人物模型有若干个随机人物属性；所有3D人物模型组成行人3D模型组其中M_i为第i个多属性的行人3D模型，N为总模型数；

步骤S2中，获取若干组用于绑定的行人步态动作的具体方法为：

设定若干行人步态的相关动作，并且通过调整每个相关动作的步态属性值，获取多组行人步态动作其中A_i为第i个动作的所有步态属性值，M为总动作数；

步骤S3中，将每个模型M_i分别与S2中获取的每个动作A_i两两配对组合后进行绑定，得到绑定完成的行走的3D行人模型组W_i表示第i个行走的行人模型；所述绑定通过动画重定向实现，即：

其中f_retargeting为动画重定向，用于将步态动作数据绑定到静态行人模型上，得到行走的3D行人模型；

步骤S4中，以S3中行人模型的走动范围为中心，在3D引擎中搭建多角度步态数据捕获场景的具体方法为：

S41、固定行人模型的走动范围，保证3D行人模型组Wg中每个行人模型走动的距离和路径一致；

S42、在3D引擎中，以固定的行人模型的走动范围为中心，添加多组用于捕获步态数据的摄像头；每一组摄像头对应于一个俯仰视角，且分布于0～180°范围的水平视角上；

步骤S5中，在S4中构建的多角度步态数据捕获场景中，采集每个行人模型的步态剪影图数据和细粒度属性标签，对应保存为一个样本，将所有样本构建成步态数据集，具体方法为：

S51、在多角度步态数据捕获场景中，对于每个行走的行人模型，以设定速率采集不同角度摄像头捕获的步态剪影图序列；

S52、对于S51中每个摄像头捕获的步态剪影图序列，将每个步态剪影图中的人物部分裁剪并转换为二值图片；每个行走的行人模型W_i赋予一个独立的唯一识别ID，将行人模型W_i对应的所有步态剪影图序列转换得到的二值图片关联保存于该ID下，同时将行人模型W_i对应的人物属性和步态属性作为细粒度标签关联保存于该ID下；得到最终的虚拟步态数据集其中，ID_i为第i个ID下的所有步态剪影图序列二值图片以及细粒度标签。

2.如权利要求1所述的面向复杂场景细粒度属性驱动的步态数据集合成方法，其特征在于，所述随机人物属性包括性别、年龄、体重和民族。

3.如权利要求1所述的面向复杂场景细粒度属性驱动的步态数据集合成方法，其特征在于，所述步态属性包括步幅、步速度和手臂摆动幅度。

4.如权利要求1所述的面向复杂场景细粒度属性驱动的步态数据集合成方法，其特征在于，所述的摄像头组数为3组，其对应的俯仰视角分别为0°、30°和60°，每一组摄像头由11个摄像头组成，整个捕获场景总共包括33个摄像头。

5.如权利要求1所述的面向复杂场景细粒度属性驱动的步态数据集合成方法，其特征在于，所述每个步态剪影图中的人物部分裁剪后，先缩小至设定大小再转换为二值图片。