[发明专利]一种步态识别方法、系统、设备及存储介质

说明书

本发明涉及计算机视觉技术领域，尤其涉及一种基于时空切片特征的步态识别方法、系统、设备及存储介质，包括：通过切片提取装置自上而下关联来自相邻身体部位的特征，通过残差帧注意力机制学习每一帧的权重，并加权到步态轮廓序列的每一帧，使得网络能够更多地关注贡献高的帧。本发明将残差帧注意力机制与切片特征并行结合，可以灵活地对人体各个相邻特征进行关键帧的筛选，使得本发明提供的方法在交叉视角和复杂条件下具有较高的步态识别准确度；另外，本发明可输入任意数量的视频帧数，具有模型简单灵活、适用范围广、实时性好的优点。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于时空切片特征的步态识别方法、系统、设备及存储介质。

背景技术

步态识别是近几年来计算机视觉领域的热点问题，步态作为一种生物特征，由于具有远距离识别的优势，在各大领域中具有广泛的应用情境。步态识别技术可以在受试者不合作或在侵入的情况下在远处实现识别，而其他常见的生物特征，如面部，指纹和虹膜，不仅受到距离的限制，而且需要受试者的配合才能实现识别，因此，相对于人脸识别、瞳孔识别等传统识别方式，步态识别越来越广泛的关注，它在预防犯罪、法医识别和刑事侦查等方面有着广泛的应用前景。

虽然在正常穿着和标准视角的情况下，步态识别技术对人体目标的识别准确率已经超过95％，在个别数据集上甚至达到了100％，但在视角变换、环境异常和着装改变等情况下，步态识别准确率依旧很低，而这些恰恰是真实情境中普遍存在的情况，因此，现有的步态识别技术极大地限制了步态识别的应用范围；另外，在人的行走过程中，身体各部分的特征是自上而下相互关联的，并且步态视频的每一帧都包含了不同程度的信息，但是，现有的步态识别普遍忽略了这两个现象，不仅将人体各部分特征分别进行分析，而且以相等的概率提取步态视频每一帧的特征，导致在跨视角和复杂条件下识别的准确率低下。

发明内容

本发明提供一种基于时空切片特征的步态识别方法、系统、设备及存储介质，解决的技术问题是，现有的步态识别方法不仅将人体各部分特征单独进行分析，而且以相等的概率提取步态视频每一帧的特征，导致其在跨视角和复杂条件下识别的准确率低。

为解决以上技术问题，本发明提供了一种步态识别方法、系统、设备及存储介质。

第一方面，本发明提供了一种步态识别方法，所述方法包括以下步骤：

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。

在进一步的实施方案中，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。

在进一步的实施方案中，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；