[发明专利]一种步态识别方法、系统、设备及存储介质在审
申请号: | 202110678960.3 | 申请日: | 2021-06-18 |
公开(公告)号: | CN113486734A | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 利华康;赵慧民;邱怡丹 | 申请(专利权)人: | 广东技术师范大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郭浩辉;颜希文 |
地址: | 510665 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 步态 识别 方法 系统 设备 存储 介质 | ||
1.一种步态识别方法,其特征在于,包括以下步骤:
将预处理后的步态轮廓序列输入空间特征提取器,得到步态空间特征;
利用空间水平池化器对所述步态空间特征进行处理,得到步态空间池化特征;
将所述步态空间池化特征输入切片提取装置,得到第一切片特征;
将所述第一切片特征池化并输入多尺度通道注意力机制,得到第二切片特征;
将所述第二切片特征输入残差帧注意力机制,得到第三切片特征;
将所述第三切片特征进行拼接后输入时间宽度聚合器,得到精炼特征;
将所述精炼特征输入全连接层,得到用于步态识别的特征描述符。
2.如权利要求1所述的一种步态识别方法,其特征在于,所述将预处理后的步态轮廓序列输入空间特征提取器,得到步态空间特征的步骤包括:
将采集到的所述步态轮廓序列进行预处理,并将预处理后的所述步态轮廓序列输入空间特征提取器的各卷积层,得到各卷积层输出的空间特征;
在通道维度上对预设卷积层输出的空间特征进行连接,得到步态空间特征。
3.如权利要求1或2所述的一种步态识别方法,其特征在于:所述空间特征提取器包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层以及第六卷积层;
其中,所述第一卷积层包括32个大小为5×5的滤波器,步长为2,其利用第一激活函数进行激活;
所述第二卷积层包括32个大小为3×3的滤波器,步长为1,其利用第二激活函数进行激活并进行2×2的最大池化;
所述第三卷积层包括64个大小为3×3的滤波器,步长为1,其利用第三激活函数进行激活;
所述第四卷积层包括64个大小为3×3的滤波器,步长为1,其利用第四激活函数进行激活并进行2×2的最大池化;
所述第五卷积层包括128个大小为3×3的滤波器,步长为1,其利用第五激活函数进行激活;
所述第六卷积层包括128个大小为3×3的滤波器,步长为1,其利用第六激活函数进行激活。
4.如权利要求1所述的一种步态识别方法,其特征在于,所述利用空间水平池化器对所述步态空间特征进行处理,得到步态空间池化特征的步骤包括:
将所述步态空间特征映射为水平条纹,得到空间水平特征;
对所述空间水平特征分别进行全局最大池化和全局平均池化,并将池化结果进行合并,得到步态空间池化特征。
5.如权利要求1所述的一种步态识别方法,其特征在于,所述将所述步态空间池化特征输入切片提取装置,得到第一切片特征的步骤包括:
基于预设的关联特征数量以及关联程度,在空间维度上水平分割所述步态空间池化特征,得到若干切片;
基于最大值统计函数和平均值统计函数,将预设切片数量的所述切片在空间维度上进行浓缩,得到第一切片特征。
6.如权利要求5所述的一种步态识别方法,其特征在于:所述关联特征数量大于所述关联程度。
7.如权利要求1所述的一种步态识别方法,其特征在于,所述将所述第二切片特征输入残差帧注意力机制,得到第三切片特征的步骤包括:
利用全局最大池化和全局平均池化对所述第二切片特征进行通道压缩,得到切片压缩特征;
将所述切片压缩特征输入帧注意力网络,得到帧注意力权重;
将所述帧注意力权重和所述第二切片特征进行残差加权,得到第三切片特征;
其中,所述帧注意力网络包括一个通道数为1的卷积层。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东技术师范大学,未经广东技术师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110678960.3/1.html,转载请声明来源钻瓜专利网。